P1‐422: Telehealth‐Enhanced Collaborative Geriatric Care (Protec): Evaluation of Cognitive Assessment Consultation Protocol of Rural‐Dwelling Older Veterans
Notice bibliographique
Résumé
Older rural veterans account for a significant proportion of VA health care costs (West & Weeks 2009). Cognitive impairment is increasingly prevalent among older adults. The lack of specialty services in rural settings is a significant barrier in addressing cognitive syndromes and providing quality care. Rural dwelling Veterans were identified and screened for memory deficits with the Montreal Cognitive Assessment (MoCA). Scores in the impaired range were referred for formal neurological evaluation. This evaluation included the neurological, health education and social work assessments. Participants were screened with the Risk Assessment tool, which assesses six areas: legal/financial, safety, physical debility and falls, mood and unnecessary functional decline, social isolation, and care crises. This analysis evaluates 301 clients. The majority (95%, n=285) of the clients were male. Age ranged from 24 to 94 with the average age of 70. (See table 1). The most common diagnosis is mild cognitive impairment (MCI-29), followed by depression (25), Alzheimer’s disease (AD-13), post-traumatic stress disorder (PTSD-10), and traumatic brain injury (TBI-8). (See table 2). Some key findings include risk reductions on financial risks, 67% at baseline and 75% on follow-up, completed advanced health directives increased from 69% to 85% at the last follow-up. Most were not driving despite their disability (86%) but this increased to almost all (95%) at follow-up. The knowledgeable about the disease increased from 56% to 84%. (See table 3). A full summary of results will be included on the poster.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».