Screening tools to identify patients with complex health needs at risk of high use of health care services: A scoping review
Notice bibliographique
Résumé
BACKGROUND: Many people with chronic conditions have complex health needs often due to multiple chronic conditions, psychiatric comorbidities, psychosocial issues, or a combination of these factors. They are at high risk of frequent use of healthcare services. To offer these patients interventions adapted to their needs, it is crucial to be able to identify them early. OBJECTIVE: The aim of this study was to find all existing screening tools that identify patients with complex health needs at risk of frequent use of healthcare services, and to highlight their principal characteristics. Our purpose was to find a short, valid screening tool to identify adult patients of all ages. METHODS: A scoping review was performed on articles published between 1985 and July 2016, retrieved through a comprehensive search of the Scopus and CINAHL databases, following the methodological framework developed by Arksey and O'Malley (2005), and completed by Levac et al. (2010). RESULTS: Of the 3,818 articles identified, 30 were included, presenting 14 different screening tools. Seven tools were self-reported. Five targeted adult patients, and nine geriatric patients. Two tools were designed for specific populations. Four can be completed in 15 minutes or less. Most screening tools target elderly persons. The INTERMED self-assessment (IM-SA) targets adults of all ages and can be completed in less than 15 minutes. CONCLUSION: Future research could evaluate its usefulness as a screening tool for identifying patients with complex needs at risk of becoming high users of healthcare services.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 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 | 0,001 |
| 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 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 ».