MétaCan
Menu
Retour à la cohorte
Enregistrement W4293234183 · doi:10.1136/bmjoq-2022-001935

Development and assessment of an educational intervention to improve the recognition of frailty on an acute care respiratory ward

2022· article· en· W4293234183 sur OpenAlexaff
Aaron Leblanc, Nermin Diab, Chantal Backman, Shirley Huang, Tammy Pulfer, Melanie Chin, Daniel Kobewka, Daniel I. McIsaac, Julie Lawson, Alan J. Forster, Sunita Mulpuru

Notice bibliographique

RevueBMJ Open Quality · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensOttawa HospitalMcMaster UniversityUniversity of OttawaDalhousie University
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)Respiratory systemMedicineIntensive care medicineInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Frailty is a robust predictor of poor outcomes among patients with chronic obstructive pulmonary disease yet is not measured in routine practice. We determined barriers and facilitators to measuring frailty in a hospital setting, designed and implemented a frailty-focused education intervention, and measured accuracy of frailty screening before and after education. METHODS: We conducted a pilot cross-sectional mixed-methods study on an inpatient respiratory ward over 6 months. We recruited registered nurses (RNs) with experience using the Clinical Frailty Scale (CFS). RNs evaluated 10 clinical vignettes and assigned a frailty score using the CFS. A structured frailty-focused education intervention was delivered to small groups. RNs reassigned frailty scores to vignettes 1 week after education. Outcomes included barriers and facilitators to assessing frailty in hospital, and percent agreement of CFS scores between RNs and a gold standard (determined by geriatricians) before and after education. RESULTS: Among 26 RNs, the median (IQR) duration of experience using the CFS was 1.5 (1-4) months. Barriers to assessing frailty included the lack of clinical directives to measure frailty and large acute workloads. Having collateral history from family members was the strongest perceived facilitator for frailty assessment. The median (IQR) percent agreement with the gold-standard frailty score across all cases was 55.8% (47.2%-60.6%) prior to the educational intervention, and 57.2% (44.1%-70.2%) afterwards. The largest increase in agreement occurred in the 'mildly frail' category, 65.4%-81% agreement. CONCLUSIONS: Barriers to assessing frailty in the hospital setting are external to the measurement tool itself. Accuracy of frailty assessment among acute care RNs was low, and frailty-focused rater training may improve accuracy. Subsequent work should focus on health system approaches to empower health providers to assess frailty, and on testing the effectiveness of frailty-focused education in large real-world settings.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
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 Opus0,189
Tête enseignante GPT0,509
Écart entre enseignants0,320 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open QualityMême sujetFrailty in Older AdultsTravaux en français237 207