Interrater reliability of Algo used by non-occupational therapist members of homecare interdisciplinary teams
Notice bibliographique
Résumé
PURPOSE: To determine if non-occupational therapists (non-OTs) with different job titles using Algo, a clinical algorithm for recommending bathroom modifications (e.g., bath seat) for community-dwelling elders in "straightforward" situations, will make clinically equivalent recommendations for standardized clients. METHOD: Eight non-OTs (three social workers, two physical rehabilitation therapists, two homecare aides and one auxiliary nurse) were trained on Algo and used it with six standardized clients. Bathroom adaptations recommended (one of nine options) by non-OTs were compared to assess interrater agreement using Fleiss adapted kappa. RESULTS: Estimated kappa was 0.43 [0.36; 0.49] qualified as a moderate agreement, according to Landis and Koch's arbitrary divisions, among the recommendations of non-OTs. However, clinical equivalence is reached, since safety and client needs were met when raters selected two different options (e.g., with or without a seat back). CONCLUSIONS: Non-OTs using Algo in the same simulated clinical scenarios recommend clinically equivalent bathroom adaptations, increasing the confidence regarding the interrater reliability of Algo used by non-OT members of homecare interdisciplinary teams Implications for Rehabilitation In homecare services, non-occupational therapists from different health care disciplines (e.g., homecare aides, social workers, physical rehabilitation therapists) may be asked to select assistive devices for the hygiene care of clients living at home. Algo was designed to guide non-occupational therapists in the selection of assistive devices when performed with clients in straightforward cases. This study indicates that non-occupational therapists using Algo recommend similar and acceptable bathroom adaptations to enhance client safety.
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 | 0,052 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».