Increasing Complexity of New Nursing Home Residents in Ontario, Canada: A Serial Cross‐Sectional Study
Notice bibliographique
Résumé
OBJECTIVES: The main objective of the study was to investigate annual changes in the sociodemographic characteristics, morbidity, and functional status of new nursing home residents in Ontario, Canada, between 2000 and 2015. A secondary objective was to develop and assess the quality of an algorithm for ascertaining admissions into publicly funded nursing homes in Ontario using a combination of health administrative data sources that indirectly identifies the residential status of new nursing home residents. DESIGN: Population-based serial cross-sectional study with an accompanying quality assessment study of algorithms. SETTING: Publicly funded nursing care homes in Ontario, Canada. PARTICIPANTS: The reference standard for the assessment of algorithm performance was 21 544 newly admitted nursing home residents identified from the Resident Assessment Instrument-Minimum Data Set in 2012. The selected algorithm was then used to identify serial cross-sectional cohorts of newly admitted residents between 2000 and 2015 that ranged in size between 14 651 and 23 630 residents. MEASUREMENTS: Sociodemographic characteristics, morbidity, and functional status of new residents were determined upon admission to examine patterns in the cohorts' profiles. RESULTS: The proportion of residents aged 85 years and older increased from 45.1% to 53.8% over 16 years. The proportions of individuals with seven or more chronic conditions (from 14.1% to 22.1%) and with nine or more prescription medications (from 44.9% to 64.2%) have also increased in parallel over time. Hypertension, osteoarthritis, and dementia were the most prevalent conditions captured, with the proportion of incoming residents with dementia increasing from 42.3% to 54.1% between 2000 and 2015. Newly admitted residents were more likely to have extensive physical and cognitive impairments upon admission. CONCLUSION: Admission trends show that new residents were older and had greater multimorbidity and limitations in physical functioning over time. J Am Geriatr Soc 68:1293-1300, 2020.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».