MétaCan
Menu
← Retour à la cohorte
Enregistrement W4285328062 · doi:10.1093/geroni/igab046.1591

A Cross-Sectional Study Comparing Younger and Older Nursing Home Residents in Western Canada

2021· article· en· W4285328062 sur OpenAlexaffabout
Bianca Shieu, Todd A. Schwartz, Anna Beeber, Matthias Hoben, Mark Toles, Ruth A. Anderson

Notice bibliographique

RevueInnovation in Aging · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGeriatric Care and Nursing Homes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychological interventionGerontologyMinimum Data SetCohortLong-term careDepression (economics)Nursing homesPopulationHealth careFamily medicineNursingEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract Specialized care for younger nursing home (NH) residents may be necessary to meet their unique health and quality of life needs; however, key attributes of younger NH residents are poorly understood and limit the development of effective, tailored interventions. This study described differences in clinical and nonclinical characteristics of younger vs. older nursing NH residents. In a retrospective cohort study, we used SPSS and analyzed comprehensive Resident Assessment Instrument – Minimum Data Set (RAI-MDS 2.0) data from NHs in Western Canada, for the period from January 2016 to December 2017. We included all assessments (full and abbreviated) performed quarterly. These findings indicated that younger (age 18-64) vs. older (age >=65) NH residents differed considerably: younger residents were predominately male, single, more obese, more depressed, had higher prevalence of depression, cerebral vascular accident, and hemi- or quadriplegia, and required more assistance in activities of daily living than older residents. The findings will contribute a better comprehension of the characteristics of the younger NH population and how they differ from other residents. The study provides useful information to policymakers, providers, and researchers to guide them in developing tailored policies, programs, and interventions. Also, findings may guide consumers as they plan for long-term care needs of loved ones. Finally, the findings provide a baseline estimate as researchers continue to track the growth of and changes in, the populations served in nursing homes.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,062
Tête enseignante GPT0,421
Écart entre enseignants0,359 · 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'étudeObservationnel
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetGeriatric Care and Nursing Homes→Travaux en français237 207→