Development and validation of clinical profiles of patients hospitalized due to behavioral and psychological symptoms of dementia
Notice bibliographique
Résumé
BACKGROUND: Patients hospitalized on acute psychogeriatric wards are a heterogeneous population. Cluster analysis is a useful statistical method for partitioning a sample of patients into well separated groups of patients who present common characteristics. Several patient profile studies exist, but they are not adapted to acutely hospitalized psychogeriatric patients with cognitive impairment. The present study aims to partition patients hospitalized due to behavioral and psychological symptoms of dementia into profiles based on a global evaluation of mental health using cluster analysis. METHODS: Using nine of the 13 items from the Health of the Nation Outcome Scales for elderly people (HoNOS65+), data were collected from a sample of 542 inpatients with dementia who were hospitalized between 2011 and 2014 in acute psychogeriatric wards of a Swiss university hospital. An optimal clustering solution was generated to represent various profiles, by using a mixed approach combining hierarchical and non-hierarchical (k-means) cluster analyses associated with a split-sample cross-validation. The quality of the clustering solution was evaluated based on a cross-validation, on a k-means method with 100 random initial seeds, on validation indexes, and on clinical interpretation. RESULTS: The final solution consisted of four clinically distinct and homogeneous profiles labeled (1) BPSD-affective, (2) BPSD-functional, (3) BPSD-somatic and (4) BPSD-psychotic according to their predominant clinical features. The four profiles differed in cognitive status, length of hospital stay, and legal admission status. CONCLUSION: In the present study, clustering methods allowed us to identify four profiles with distinctive characteristics. This clustering solution may be developed into a classification system that may allow clinicians to differentiate patient needs in order to promptly identify tailored interventions and promote better allocation of available resources.
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».