A comparison of 3 frailty measures and adverse outcomes in the intake home care population: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: In Ontario, Canada, nearly all home care patients are assessed with a brief clinical assessment (interRAI Contact Assessment [interRAI CA]) on admission. Our objective was to compare 3 frailty measures that can be operationalized using the interRAI CA. METHODS: We conducted a retrospective cohort study using linked patient-level assessment and administrative data for all Ontario adult (≥ 18 yr) home care patients assessed with the interRAI CA in 2014. We employed multivariable logistic models to compare the Changes in Health, End-stage disease and Signs and Symptoms Scale for the Contact Assessment (CHESS-CA), Assessment Urgency Algorithm (AUA) and the Frailty Index for the Contact Assessment (FI-CA) that was created for this study. Our outcomes of interest were death, hospital admission and emergency department visits within 90 days, and assessor-rated need for comprehensive geriatric assessment (CGA). RESULTS: In 2014, there were 228 679 unique adult home care patients in Ontario assessed with the interRAI CA. Controlling for age, sex and health region, being in a higher frailty level defined by any measure increased the likelihood of experiencing adverse outcomes. Among all assessments, CHESS-CA was best suited for predicting death and hospital admission, and either AUA or FI-CA for predicting perceived need for CGA. Previous emergency department visits were more predictive of future visits than frailty. Model fit was independent of whether the assessment was completed over the phone or in person. INTERPRETATION: Frailty measures from the interRAI CA identified patients at higher risk for death, hospital admission and perceived need for CGA. In jurisdictions where the CHESS-CA and AUA are already built into the electronic home care platform, such as Ontario, patients identified as high risk should be prioritized for proactive referral and care planning, and may benefit from greater involvement of primary care and other health professionals in the circle of care.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».