Real-World Evaluation of the Resident Assessment Instrument-Mental Health Assessment System
Notice bibliographique
Résumé
OBJECTIVE: We evaluated the Resident Assessment Instrument-Mental Health (RAI-MH) assessment platform at a large psychiatric hospital in Ontario during the 3 years following its provincially mandated implementation in 2005. Our objectives were to document and consider changes over time in front-line coding practices and in indicators of data quality. METHOD: Structured interviews with program staff were used for preliminary information-gathering on front-line coding practices. A retrospective data review of assessments conducted from 2005 to 2007 examined 5 quantitative indicators of data quality. RESULTS: There is evidence of improved data quality over time; however, low scores on the outcome scales highlight potential shortcomings in the assessment system's ability to support outcome monitoring. There was variability in implementation and performance across clinical programs. CONCLUSIONS: This evaluation suggests that the RAI-MH-based assessment platform may be better suited to longer-term services for severely impaired clients than to short-term, highly specialized services. In particular, the suitability of the RAI-MH for hospital-based addictions care should be re-examined. Issues of staff compliance and motivation and problems with assessment system performance would be highly entwined, making it inappropriate to attempt to allocate responsibility for areas of less than optimal performance to one or the other. The ability of the RAI-MH to perform well on clinical front lines is, in any case, essential for it to meet its objectives. Continued evaluation of this assessment platform should be a priority for future research.
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 | 0,040 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».