Developing evidence-based guidance for assessment of suspected infections in care home residents
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to update and refine an algorithm, originally developed in Canada, to assist care home staff to manage residents with suspected infection in the United Kingdom care home setting. The infections of interest were urinary tract infections, respiratory tract infections and skin and soft tissue infection. METHOD: We used a multi-faceted process involving a literature review, consensus meeting [nominal group technique involving general practitioners (GPs) and specialists in geriatric medicine and clinical microbiology], focus groups (care home staff and resident family members) and interviews (GPs), alongside continual iterative internal review and analysis within the research team. RESULTS: Six publications were identified in the literature which met inclusion criteria. These were used to update the algorithm which was presented to a consensus meeting (four participants all with a medical background) which discussed and agreed to inclusion of signs and symptoms, and the algorithm format. Focus groups and interview participants could see the value in the algorithm, and staff often reported that it reflected their usual practice. There were also interesting contrasts between evidence and usual practice informed by experience. Through continual iterative review and analysis, the final algorithm was finally presented in a format which described management of the three infections in terms of initial assessment of the resident, observation of the resident and action by the care home staff. CONCLUSIONS: This study has resulted in an updated algorithm targeting key infections in care home residents which should be considered for implementation into everyday 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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».