Standardized Self-Report Tools in Geriatric Medicine Practice: A Quality Improvement Study
Notice bibliographique
Résumé
Abstract Comprehensive geriatric assessment (CGA)—a multidimensional diagnostic process to determine medical, cognitive, and functional capacity—has historically included a narrative history supplemented by use of tools to assess domains such as mood or cognition based on assessor preference. This approach to CGA likely works to assess individuals but with increasing clinical complexity and frailty among older adults, a non-standardized approach may mean that key issues are not assessed, and program quality cannot be determined. The COVID-19 pandemic added to these challenges as social distancing practices meant limited face-to-face appointments and use of phone and video assessments. This quality improvement study implemented the interRAI Check-Up Self-Report instrument through a software platform in a specialized geriatric services practice. The instrument can be used over the phone and summarizes specific health problems and needs as well as information about caregiver status and financial trade-offs. Focus groups were also conducted with specialized geriatric services interprofessional team to explore their experiences with implementation. The descriptive analysis of the self-report data revealed expected geriatric issues, such as cognitive and functional impairment, falls and pain. Clients were also commonly experiencing medical instability, cardiorespiratory symptoms, communication impairments, and elevated risk for emergency department visit. Staff found the self-report tool feasible, easy to use, efficient, and the program-level metrics helpful for program planning. In conclusion, introduction of a standardized self-report enhanced CGA by creating a systematic method to flag, track, and prioritize all areas of need for immediate and future care planning at both the client and program level.
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 | 0,126 | 0,130 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».