PREDICTING HOSPITALISATIONS: COMPARING EIGHT RISK SCORES IN CARE-DEPENDENT ELDERLY FROM SIX COUNTRIES
Notice bibliographique
Résumé
Better prediction of hospitalisations may allow preventive interventions directed to appropriate target groups. We compared the predictive accuracy of eight existing risk scores to hospitalisations among older care dependent home dwelling adults across six countries from the IBenC study. We assessed 2884 persons aged 65 or older, who received professional homecare in six different countries in Europe and followed them for 6 months. Eight existing index risk scores were computed with baseline data: (1) The Changes in Health, End-stage Disease, Signs, and Symptoms Scale (CHESS); (2)Detection of Indicators and Vulnerabilities for Emergency Room Trips (DIVERT); (3); (4) Identification Seniors At Risk Primary Care (ISAR PC); (5) Emergency admission risk likelihood index (EARLI); (6) Sherbrooke Postal Questionnaire (SPQ); (7) the Elders Risk Assessent (ERA), and (8) Community Assessment Risk Screen (CARS). Their accuracy to predict one or more reported hospitalisations or Emergency Department visits was expressed in the area under the ROC curve (AUC). 194 older adults were admitted at the ED and/or hospital ward during the six-month study period. The highest AUC value was found for the EARLI AUC=0.75, followed by DIVERT (AUC =0.69), CHESS (AUC =0.66), CARS (AUC =0.64), ERA (AUC=0.60), ISAR-PC (AUC =0.47) and SPQ (AUC =0.41). Significantly better AUC value were found in persons without a recent admission at baseline for DIVERT,EARLI and CARS risk scores. Our results reveal two promising risk scores: EARLI, and DIVERT. Identification by these risk scores may help to target preventive intervention in high-risk groups.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».