MétaCan
Menu
Retour à la cohorte
Enregistrement W3035070099 · doi:10.3855/jidc.13003

COVID-19, frailty and long-term care: Implications for policy and practice

2020· article· en· W3035070099 sur OpenAlexafffund
Melissa K. Andrew, Samuel D. Searle, Janet E. McElhaney, Shelly McNeil, Barry Clarke, Kenneth Rockwood, David J. Kelvin

Notice bibliographique

RevueThe Journal of Infection in Developing Countries · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensHealth Sciences NorthDalhousie University
Organismes subventionnairesCanadian Institutes of Health ResearchResearch Nova ScotiaShantou University Medical CollegeDalhousie UniversityShantou UniversityDalhousie Medical Research Foundation
Mots-clésLong-term careGovernment (linguistics)Vulnerability (computing)GerontologyMedicinePandemicScale (ratio)DiseaseCoronavirus disease 2019 (COVID-19)NursingInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Older adults have been disproportionately affected by the COVID-19 pandemic, with many outbreaks occurring in Long Term Care Facilities (LTCFs). We discuss this vulnerability among LTCF residents using an ecological framework, on levels spanning from the individual to families and caregivers, institutions, health services and systems, communities, and contextual government policies. Challenges abound for fully understanding the burden of COVID-19 in LTCF, including differences in nomenclature, data collection systems, cultural differences, varied social welfare models, and (often) under-resourcing of the LTC sector. Registration of cases and deaths may be limited by testing capacity and policy, record-keeping and reporting procedures. Hospitalization and death rates may be inaccurate depending on atypical presentations and whether or not residents' goals of care include escalation of care and transfer to hospital. Given the important contribution of frailty, use of the Clinical Frailty Scale (CFS) is discussed as a readily implementable measure, as are lessons learned from the study of frailty in relation to influenza. Biomarkers hold emerging promise in helping to predict disease severity and address the puzzle of why some frail LTCF residents are resilient to COVID-19, either remaining test-negative despite exposure or having asymptomatic infection, while others experience the full range of illness severity including critical illness and death. Strong and coordinated surveillance and research focused on LTCFs and their frail residents is required. These efforts should include widespread assessment of frailty using feasible and readily implementable tools such as the CFS, and rigorous reporting of morbidity and mortality in LTCFs.

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)0,023
score de la tête « metaresearch » (Gemma)0,107
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,107
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0040,006
Communication savante0,0090,010
Science ouverte0,0040,008
Intégrité de la recherche0,0100,013
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,059
Tête enseignante GPT0,391
Écart entre enseignants0,333 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations64
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Infection in Developing CountriesMême sujetFrailty in Older AdultsTravaux en français237 207