Inter‐rater Reliability of Clinical Frailty Scores for Older Patients in the Emergency Department
Notice bibliographique
Résumé
O ver 50 million U.S. adults 65 years and older account for >20 million emergency department (ED) visits each year. 1 Increasing ED use by older adults is projected to exceed the capacity of U.S. EDs. 2 The traditional ED model of care is ill-equipped to address the many complex care needs of older adults. 2 To address these problems, an evolution of emergency care has developed as evidenced by consensus geriatric ED (GED) guidelines and the American College of Emergency Medicine's Geriatric Emergency Department Accreditation (GEDA) program (https://www.acep.org/geda/).3 Although the GED guidelines recommend "routine screening for all geriatric patients for high-risk features," there are no screening tests that effectively predict poor outcomes among older patients who seek ED care.4 The currently used screening tests measure risk of a composite of poor outcomes such as functional decline, death, and depression after an ED visit.Alternatively, frailty might be used to identify older adults who might benefit from specialized GED care.Frailty is a state of heightened vulnerability to stressors arising from impairments in multiple systems leading to declines in homeostatic reserve and resiliency.Frailty predicts poor outcomes for older adults after acute care.However, it is not a concept familiar to many ED clinicians.
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 | 0,024 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».