MétaCan
Menu
Retour à la cohorte
Enregistrement W2904063131 · doi:10.5770/cgj.21.319

Improving Prediction of Risk of Admission to Long-Term Care or Mortality Among Home Care Users With IDD

2018· article· en· W2904063131 sur OpenAlexafffundvenue
Hélène Ouellette‐Kuntz, Elizabeth Stankiewicz, Michael A. McIsaac, Lynn Martin

Notice bibliographique

RevueCanadian Geriatrics Journal · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensLakehead UniversityQueen's University
Organismes subventionnairesOntario Ministry of Health and Long-Term Care
Mots-clésMedicineFrailty IndexPsychological interventionGerontologyLong-term carePopulationCohortEnvironmental healthNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Frailty is an established predictor of admission into long-term care (LTC) and mortality in the elderly population. Assessment of frailty among adults with intellectual and developmental disabilities (IDD) using a generic frailty marker may not be as predictive, as some lifelong disabilities associated with IDD may be interpreted as a sign of frailty. This study set out to determine if adding the Home Care-Intellectual and Developmental Disabilities Frailty Index (HC-IDD Frailty Index), developed for use in home care users with IDD, to a basic list of predictors (age, sex, rural status, and the Johns Hopkins Frailty Marker) increases the ability to predict admission to long-term care or death within one year. METHODS: A retrospective cohort study was conducted using Residential Assessment Instrument for Home Care (RAI-HC) data for adult home care users with IDD who had a home care assessment between January 1, 2010 and December 31, 2013 (N = 6,169). RESULTS: value < .0001). CONCLUSIONS: We recommend the use of the HC-IDD Frailty Index in care planning and in further research related to the effectiveness of interventions to reduce or delay adverse age-related outcomes among adults with IDD.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,257
Écart entre enseignants0,243 · 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

Citations4
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Geriatrics JournalMême sujetFrailty in Older AdultsTravaux en français237 207