MétaCan
Menu
← Retour à la cohorte
Enregistrement W2728480786 · doi:10.1093/geroni/igx004.1572

FUNCTIONAL ABILITIES AND GOALS IN POST-ACUTE CARE: AN EARLY LOOK AT STANDARDIZED ASSESSMENT DATA

2017· article· en· W2728480786 sur OpenAlexaff
Lauren Palmer, Anne Deutsch, Tara McMullen, Alan Levitt, Stella Mandl, Tao Le, Matt Toth, Tilson Nunes Mota

Notice bibliographique

RevueInnovation in Aging · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueHealth and Well-being Studies
Établissements canadiensUniversity Health NetworkUniversity of TorontoUniversity of WaterlooUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésStandardized testPsychologyAcute carePolitical scienceMathematics educationHealth care

Résumé

récupéré en direct d'OpenAlex

Functional status is tied to important health outcomes, yet the collection of functional status data has not been standardized across post-acute care (PAC). The IMPACT Act of 2014 required the submission of standardized assessment data by PAC providers, including data related to function. Previously, functional assessment data collected in skilled nursing facilities (SNFs), inpatient rehabilitation facilities (IRFs), and long-term care hospitals (LTCHs) consisted of different assessment instruments, scales, and items. Standardization of functional data across PAC settings has the potential to improve care coordination. We present a preliminary review of recently implemented standardized self-care and mobility data by examining the cross-setting quality measure, Application of Percent of Long-Term Care Hospital (LTCH) Patients with an Admission and Discharge Functional Assessment and a Care Plan That Addresses Function. We analyzed the first quarter of assessment data available for all three PAC settings (October – December, 2016). Data sources with these standardized data elements include the Minimum Data Set, IRF-PAI, and LTCH CARE Data Set. We examined the reporting of patient and resident functional abilities and goals across PAC settings. For example, among 404 LTCH facilities, the average hospital completed an admission and discharge functional assessment and assigned at least one discharge goal for 95.5% of patients. Results were slightly higher for the average IRF facility (98.7%, n=1,105). Analysis of the SNF setting data as well as within setting variability by geographic regions, urbanicity, ownership, and number of discharges will also be presented. Policy implications of these findings will be discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,097
score de la tête « metaresearch » (Gemma)0,226
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,097
Score d'incertitude au seuil0,512

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0970,226
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0160,025
Études des sciences et des technologies0,0010,002
Communication savante0,0040,006
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,421
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetHealth and Well-being Studies→Travaux en français237 207→