Feasibility of Goal Attainment Scaling as a patient-reported outcome measure for older patients in primary care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Goal Attainment Scaling (GAS) is an outcome measure that reflects the perspectives and experiences of patients, consistent with patient-centred care approaches and with the aims of patient-reported outcome measures (PROMs). GAS has been used in a variety of clinical settings, including in geriatric care, but research on its feasibility in primary care practice has been limited. The time required to complete GAS is a barrier to its use by busy primary care clinicians. In this study, we explored the feasibility of lay interviewers completing GAS with older primary care patients. METHODS: Older adults were recruited from participants of a larger study in five primary care clinics in Alberta and Ontario, Canada. GAS guides were developed based on semi-structured telephone interviews completed by a non-clinician lay interviewer; goals were reviewed in a follow-up interview after six months. RESULTS: Goal-setting interviews were conducted with 41 participants. GAS follow-up guides could be developed for 40 patients (mean of two goals/patient); follow-up interviews were completed with 29 patients. Mobility-focused goals were the most common goal areas identified. CONCLUSIONS: Study results suggest that it is feasible for lay interviewers to conduct GAS over the telephone with older primary care patients. This study yielded an inventory of patient goal areas that could be used as a starting point for future goal-setting interviews in primary care. Recommendations are made for use of GAS and for future research in the primary care context.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle