Quantifying multifaceted needs captured at the point of care. Development of a <scp>D</scp>isabilities <scp>T</scp>erminology <scp>S</scp>et and <scp>D</scp>isabilities <scp>C</scp>omplexity <scp>S</scp>cale
Notice bibliographique
Résumé
AIMS: To develop a Disabilities Terminology Set and quantify the multifaceted needs of disabled children and their families in a district disability clinic population. METHOD: Data from structured electronic clinic letters of children attending paediatric disability clinics from June 2007 to May 2012 in Sunderland, north-east England collected at the point of clinical care were analysed to determine appropriate terms for consistent recording of each need and issue. Terms were collated to count the number of needs per child. RESULTS: A Systemized Nomenclature of Medicine - Clinical Terms subset of 296 terms was identified and published, and 8392 consultations for 1999 children were reviewed. The required number of clinic appointments correlated strongly with the number of needs identified. Children with intellectual disabilities in addition to cerebral palsy and epilepsy had more than double the number of conditions, technology dependencies, and family-reported issues than those without. Disabled children who subsequently died had the highest burden of needs (p=0.007). INTERPRETATION: Detailed data about needs generated outputs useful for local care pathway development and service planning. Sufficient evidence was provided for successful business cases leading to the appointment of additional paediatric disability consultants. Counting numbers of needs and issues quantifies complexity in a straightforward way. This could underpin needs-based commissioning of services.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,021 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».