MétaCan
Menu
Retour à la cohorte
Enregistrement W3007657227 · doi:10.3390/geriatrics5010011

A New Simple Screening Tool—4QT: Can It Identify Those with Swallowing Problems? A Pilot Study

2020· article· en· W3007657227 sur OpenAlexaff
Karwai Tsang, Esther SY Lau, Mariyam Shazra, Ruth Eyres, Dharinee Hansjee, David Smithard

Notice bibliographique

RevueGeriatrics · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDysphagia Assessment and Management
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesnon disponible
Mots-clésDysphagiaSwallowingMedicinePhysical therapyStroke (engine)Predictive valuePopulationHealth careSpeech-Language PathologyAcute careFamily medicinePediatricsSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

As people and the population age, the prevalence of swallowing problems (dysphagia) increases. The screening for dysphagia is considered good practice in stroke care, yet is not routinely undertaken in the management of frail older adults. A short swallow screen, the 4QT, was developed following a review of the literature. The screen has four questions relating to swallowing that can be asked by a member of the health care team. A convenience sample of 48 older frail patients on an acute frailty ward was recruited into a Quality Improvement project. Their swallow was screened using the EAT-10 and 4QT. A speech and language therapist assessed for the presence of dysphagia using a standardised assessment for dysphagia. The 4QT was as effective as the EAT-10 in identifying older frail adults with potential swallowing problems (Κ = 0.73). The 4QT has 100% sensitivity, 80.4% specificity and positive predictive value (PPV) 50%, negative predictive value (NPV) 100%. The 4QT is a highly sensitive but not specific swallow screen, only 50% of people reporting swallowing problems were confirmed to have a degree of dysphagia by the SLT. The 4QT is a simple screening tool that could be used by all staff, but requires further research/evaluation before it is widely accepted into clinical practice.

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)0,010
score de la tête « metaresearch » (Gemma)0,024
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 enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,139
Tête enseignante GPT0,405
Écart entre enseignants0,266 · 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

Citations31
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeriatricsMême sujetDysphagia Assessment and ManagementTravaux en français237 207