MétaCan
Menu
Retour à la cohorte
Enregistrement W4220693002 · doi:10.3390/geriatrics7020035

Barriers and Facilitators to Screening for Cognitive Impairment in Australian Rural Health Services: A Pilot Study

2022· article· en· W4220693002 sur OpenAlexaff
Sean MacDermott, Rebecca McKechnie, Dina LoGiudice, Debra Morgan, Irene Blackberry

Notice bibliographique

RevueGeriatrics · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesLa Trobe University
Mots-clésMedicineAccreditationLegislationThematic analysisNursingFocus groupHealth careCognitive impairmentRural areaRural healthQualitative researchFamily medicineCognitionMedical educationPsychiatryBusiness

Résumé

récupéré en direct d'OpenAlex

Australian National standards recommend routine screening for all adults over 65 years by health organisations that provide care for patients with cognitive impairment. Despite this, screening rates are low and, when implemented, screening is often not done well. This qualitative pilot study investigates barriers and facilitators to cognitive screening for older people in rural and regional Victoria, Australia. Focus groups and interviews were undertaken with staff across two health services. Data were analysed via thematic analysis and contextualized within the i-PARIHS framework. Key facilitators of screening included legislation, staff buy-in, clinical experience, appropriate training, and interorganisational relationships. Collaborative implementation processes, time, and workloads were considerations in a recently accredited tertiary care setting. Lack of specialist services, familiarity with patients, and infrastructural issues may be barriers exacerbated in rural settings. In lieu of rural specialist services, interorganisational relationships should be leveraged to facilitate referring 'outwards' rather than 'upwards'.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,213

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,397
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeriatricsMême sujetGeriatric Care and Nursing HomesTravaux en français237 207