MétaCan
Menu
Retour à la cohorte
Enregistrement W3014092003 · doi:10.3389/fpubh.2020.00089

A Computerized Frailty Assessment Tool at Points-of-Care: Development of a Standalone Electronic Comprehensive Geriatric Assessment/Frailty Index (eFI-CGA)

2020· article· en· W3014092003 sur OpenAlexafffund
Katayoun Sepehri, McKenzie Braley, Betty Chinda, Macy Zou, Brandon Tang, Grace Park, Antonina Garm, Robert C. McDermid, Kenneth Rockwood, Xiaowei Song

Notice bibliographique

RevueFrontiers in Public Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensDalhousie UniversityFraser HealthSurrey Memorial HospitalSimon Fraser University
Organismes subventionnairesSimon Fraser UniversityCanadian Frailty NetworkCanadian Institutes of Health ResearchFraser Health AuthorityDalhousie UniversityDoctors of BC
Mots-clésComputer scienceOperationalizationSoftwareInterface (matter)Frailty IndexUser interfaceMedicineOperating system

Résumé

récupéré en direct d'OpenAlex

Background: Frailty can be operationalized using a Frailty Index (FI) based on the accumulation of health deficits; items under health evaluation in the well-established Comprehensive Geriatric Assessment (CGA) have been used to generate an FI-CGA. Traditionally, constructing the FI-CGA has relied on paper-based recording and manual data processing. As this can be time-consuming and error-prone, it limits widespread uptake of this proven type of frailty assessment. Here, we report the development of an electronic tool, the eFI-CGA, for use on personal computers by frontline healthcare providers, to collect CGA data and automate FI-CFA calculation. The ultimate goal is to support early identification and management of frailty at points-of-care, and make uptake in Electronic Medical Records (EMR) feasible and transparent. Methods: An electronic CGA (eCGA) form was implemented to operate on Microsoft’s WinForms platform and coded using C# programming language. A user-friendly interface and secured data saving methods were implemented. The software was debugged using systematically designed simulation data, addressing different logic, syntax, and application errors, and then with clinical assessment. The user manual and manual scoring were used as ground truth to compare eFI-CGA input and automated eFI score calculations. Frontline health-provider user feedback was incorporated to improve the end-user experience. Results: The eFI-CGA software tool was developed and optimized for use on personal computers. Compared to known scores, the software tool generated eFI-CGA scores with 100% accuracy to four decimal places. The eFI-CGA allowed secure data storage and retrieval of multiple types, including user input, completed eCGA form, coded items, and calculated eFI-CGA scores. It also permitted recording of actions requiring clinical follow-up, facilitating care planning. Application bugs were identified and resolved at various stages of the implementation, resulting in efficient system performance. Discussion: Accurate, robust, and reliable computerized frailty assessments are needed to promote effective frailty assessment and management, as a key tool in health care systems facing up to frailty. Our research has enabled the delivery of the standalone eFI-CGA software technology to empower effective frailty assessment and management by various healthcare providers at points-of-care, facilitating integrated care of older adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,349
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,046
Tête enseignante GPT0,332
Écart entre enseignants0,287 · 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 tête enseignante, pas un consensus.

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

Citations29
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Public HealthMême sujetFrailty in Older AdultsTravaux en français237 207