Nursing Homes and Long Term Care After COVID-19: A New ERA?
Notice bibliographique
Résumé
Anna, 92 years old, former housekeeper, with a history of disabling stroke and disabling knee osteoarthritis, had been living in a Nursing Home (NH) for the last 6 years.In Anna's NH, 60% of the staff were affected by COVID-19.In March 2020, she was transferred to hospital due to hyperactive delirium where she was diagnosed with COVID-19 but then transferred to an alternative NH, designated for COVID-19 care.She died 2 days later having received palliative care but in unfamiliar surroundings.From the time her original NH was closed to visitors, until her death, she did not see any family members.Amanda, 87 years old, a widow and former schoolteacher, was diagnosed with Alzheimer's disease 8 years ago and moved to a nursing home 2 years ago.Prior to the outbreak she was able to follow a basic conversation and had limited mobility with a walker, participated in some group activities and had regular family visitors.She died after one month isolated in her room, initially because she had been in contact with another resident diagnosed with COVID-19 and later because of her deterioration.She did not experience the hallmark symptoms of COVID-19, and had a negative PCR for SARS-COV-2, but she became progressively more disoriented and spent more time in bed.
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 | 0,013 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,017 | 0,009 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,039 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,008 |
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 ».