Performance of the interRAI ED Screener for Risk-Screening in Older Adults Accessing Paramedic Services
Notice bibliographique
Résumé
Background Paramedics respond to a significant number of non-emergency calls generated by older adults each year. Paramedics routinely assess and screen older adults to determine risk level and need for additional follow-up. This project implemented the interRAI ED Screener into routine care to determine whether the screener and resulting Assessment Urgency Algorithm (AUA) score is useful in predicting adverse outcomes. Methods We conducted a population-based retrospective study using administrative health data for patients aged 65+ assessed by paramedics from July 2016 to February 2017. Patients were assigned an AUA score and classified into three risk categories. Outcome data including hospitalizations, Emergency Department (ED) visits, home care status, and survival were collected and compared across AUA risk categories using descriptive and analytical statistics. Results Of the 2,801 patients screened, 31.9% were classified as high risk, 23.6% as moderate risk, and 44.6% as low risk. Patients who scored in the highest risk category were found to have longer hospital stays, and were more likely to require home care (p<.0001). The AUA risk category also predicted survival (p<.001). Conclusions The AUA predicted multiple adverse outcomes in this population. Use of the AUA by paramedics may aid in earlier identification of those in need of additional intervention and services.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».