PLANNING HEALTH SERVICES FOR SENIORS: CAN WE USE PATIENTS’ OWN PERCEPTION?
Notice bibliographique
Résumé
Across Canada, people over 75 years of age represent 16% of all hospital admissions. The admission rate per 100,000 seniors is 5 times higher for acute care and 22 times higher for complex continuing care than the rates for younger adults. After a hospital discharge, dealing with new disabilities can be difficult and even overwhelming. Understanding patients’ needs in a timely manner may allow services to be allocated to those at highest risk for deterioration, thus, improving care while optimizing health care cost. Could patient’s perceptions of how they are feeling be used as a marker of potential need for post-discharge services? The aim of the study was to estimate whether self-reported health can be used as an indicator of service needs among seniors. In this cross-sectional survey, age and sex-adjusted logistic regression was used to estimate the link between functional status indicators and fair or poor self-reported health. Results were reported as Odds Ratio (OR) and its 95% confidence interval (95%CI). Backward stepwise logistic regression was performed to identify the best predictive model of service needs. Positive predictive value (PPV), sensitivity and specificity were calculated to identify whether health perception could be used to identify people in need of physical rehabilitation services. 142 seniors agreed to answer the survey yielding a response rate of 73%. Among the respondents (mean age 79 ± 7; 60% women), 40% rated their health as fair or poor. Seniors perceiving their health as fair or poor had higher odds of reporting impairments, activity limitations, and participation restricitions (OR ranging from 2.37; 95%CI 1.03-5-45 to OR 12.22; 95%CI 2.68–55.78) in comparison to those perceiving their health as good or better. The most significant predictors of service needs were community ambulation, household tasks, fatigue, and pain with 92% sensitivity and a maximum adjusted R-squared of 0.65. Self-rated health used as single-item showed a positive predictive value (PPV) of 1, sensitivity of 52%, and specificity of 100%. In conclusion, our results indicate that all seniors reporting fair or poor health have indicators of need for further rehabilitation services. This question may be an alternate way of querying about need as many older persons are afraid to report disability because of fear of further institutionalization.
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 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».