Identifying Home Care Clinicians’ Information Needs for Managing Fall Risks
Notice bibliographique
Résumé
OBJECTIVES: To help manage the risk of falls in home care, this study aimed to (i) identify home care clinicians' information needs and how they manage missing or inaccurate data, (ii) identify problems that impact effectiveness and efficiency associated with retaining, exchanging, or processing information about fall risks in existing workflows and currently adopted health information technology (IT) solutions, and (iii) offer informatics-based recommendations to improve fall risk management interventions. METHODS: A case study was carried out in a single not-for-profit suburban Medicare-certified home health agency with three branches. Qualitative data were collected over a six month period through observations, semi-structured interviews, and focus groups. The Framework method was used for analysis. Maximum variation sampling was adopted to recruit a diverse sample of clinicians. RESULTS: Overall, the information needs for fall risk management were categorized into physiological, care delivery, educational, social, environmental, and administrative domains. Examples include a brief fall-related patient history, weight-bearing status, medications that affect balance, availability of caregivers at home, and the influence of patients' cultures on fall management interventions. The unavailability and inaccuracy of critical information related to fall risks can delay necessary therapeutic services aimed at reducing patients' risk for falling and thereby jeopardizing their safety. Currently adopted IT solutions did not adequately accommodate data related to fall risk management. CONCLUSION: The results highlight the essential information for fall risk management in home care. Home care workflows and health IT solutions must effectively and efficiently retain, exchange, and process information necessary for fall risk management. Interoperability and integration of the various health IT solutions to make data sharing accessible to all clinicians is critical for fall risk management. Findings from this study can help home health agencies better understand their information needs to manage fall risks.
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 | 0,011 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».