Comparing quality of care outcomes between assisted living and nursing homes before and during the <scp>COVID</scp> ‐19 pandemic
Notice bibliographique
Résumé
BACKGROUND: While assisted living (AL) and nursing home (NHs) residents in share vulnerabilities, AL provides fewer staffing resources and services. Research has largely neglected AL, especially during the COVID-19 pandemic. Our study compared trends of practice-sensitive, risk-adjusted quality indicators between AL and NHs, and changes in these trends after the start of the pandemic. METHODS: This repeated cross-sectional study used population-based resident data in Alberta, Canada. Using Resident Assessment Instrument data (01/2017-12/2021), we created quarterly cohorts, using each resident's latest assessment in each quarter. We applied validated inclusion/exclusion criteria and risk-adjustments to create nine quality indicators and their 95% confidence intervals (CIs): potentially inappropriate antipsychotic use, pain, depressive symptoms, total dependency in late-loss activities of daily living, physical restraint use, pressure ulcers, delirium, weight loss, urinary tract infections. Run charts compared quality indicators between AL and NHs over time and segmented regressions assessed whether these trends changed after the start of the pandemic. RESULTS: Quarterly samples included 2015-2710 AL residents and 12,881-13,807 NH residents. Antipsychotic use (21%-26%), pain (20%-24%), and depressive symptoms (17%-25%) were most common in AL. In NHs, they were physical dependency (33%-36%), depressive symptoms (26%-32%), and antipsychotic use (17%-22%). Antipsychotic use and pain were consistently higher in AL. Depressive symptoms, physical dependency, physical restraint use, delirium, weight loss were consistently lower in AL. The most notable segmented regression findings were an increase in antipsychotic use during the pandemic in both settings (AL: change in slope = 0.6% [95% CI: 0.1%-1.0%], p = 0.0140; NHs: change in slope = 0.4% [95% CI: 0.3%-0.5%], p < 0.0001), and an increase in physical dependency in AL only (change in slope = 0.5% [95% CI: 0.1%-0.8%], p = 0.0222). CONCLUSIONS: QIs differed significantly between AL and NHs before and during the pandemic. Any changes implemented to address deficiencies in either setting need to account for these differences and require monitoring to assess their impact.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».