Treatment in a Geriatric Day Hospital improve individualized outcome measures using Goal Attainment Scaling
Notice bibliographique
Résumé
BACKGROUND: Evidence regarding outcomes in the Geriatric Day Hospital (GDH) model of care has been largely inconclusive, possibly due to measurement issues. This prospective cohort study aims to determine whether treatment in a GDH could improve individualized outcome measures using goal attainment scaling (GAS) and whether improvements are maintained 6-months post-discharge. METHODS: A total of 469 outpatients admitted to a Canadian Geriatric Day Hospital, between December 2008 and June 2011, were included in the analysis (81.1 ± 6.7 years, 66.3% females); a smaller cohort of 121 patients received a follow-up phone call 6 months following discharge. Baseline, discharge and 6 month post-discharge observer-rated measures of mobility, cognition, and function were completed using GAS. Traditional psychometric measures were also captured. RESULTS: The mean number of goals set was 1.6 (SD 0.8) and patients set goals in the following domains: 88% mobility or falls reduction; 18% optimization of home supports; 17% medication optimization;12% cognition; 8% increasing social engagement; and 5% optimization of function. Total GAS was the most responsive measure to change with 86% of patients improving at discharge; mobility goals were the most likely to be achieved. Six-month GAS scores remained significantly higher than GAS scores on admission. Those who had more goals were more likely to improve during GDH admission (OR 1.49, CI 1.02-2.19) but this association was not seen 6 months after discharge. CONCLUSIONS: This study demonstrated short- and long-term effectiveness of GDH in helping patients achieve individualized outcome measures using GAS.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».