Feasibility of remote Memory Clinics using the plan, do, study, act (PDSA) cycle
Notice bibliographique
Résumé
INTRODUCTION: A timely diagnosis of dementia is crucial for initiating and maintaining support for people living with dementia. The coronavirus disease (COVID) pandemic temporarily halted Memory Clinics, where this is organised, and rate of dementia diagnosis has fallen. Despite increasing use of alternatives to face-to-face (F2F) consultations in other departments, it is unclear whether this is feasible within the traditional Memory Clinic model. AIMS: The main aim of this service improvement project performed during the pandemic was to explore feasibility of telephone (TC) and videoconference (VC) Memory Clinic consultations. METHODS: Consecutive patients on the Memory Clinic waiting list were telephoned and offered an initial appointment by VC or TC. Data extracted included: age, internet-enabled device ownership, reason for and choice of Memory Clinic assessment. We noted Montreal Cognitive Assessment-Blind (TC) and Addenbrooke's Cognitive Examination-III (VC via Attend Anywhere) scores, and feasibility of consultation. RESULTS: Out of 100 patients, 12 had a home assessment, moved away, been hospitalised, or died. 45, 21 and 6 preferred F2F, VC and TC assessments respectively. 16 were not contactable and offered a F2F appointment. The main reason for preferring F2F was non-ownership, or inability to use an internet-enabled device (80%). VC and TC preference reasons were unwillingness to come to hospital (59%), and convenience (41%). Attendance rate was 100% for VC and TC, but 77% for F2F. Feasibility (successful consultations) was seen in 90% (VC) and 67% (TC) patients. CONCLUSION: For able and willing patients, remote Memory Consultations can be both feasible and beneficial. This has implications for future planning in dementia 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 | 0,001 | 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 ».