Identifying Predictors of Nursing Home Admission by Using Electronic Health Records and Administrative Data: Scoping Review
Notice bibliographique
Résumé
Background: Among older adults, nursing home admissions (NHAs) are considered a significant adverse outcome and have been extensively studied. Although the volume and significance of electronic data sources are expanding, it is unclear what predictors of NHA have been systematically identified in the literature via electronic health records (EHRs) and administrative data. Objective: This study synthesizes findings of recent literature on identifying predictors of NHA that are collected from administrative data or EHRs. Methods: The PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews) guidelines were used for study selection. The PubMed and CINAHL databases were used to retrieve the studies. Articles published between January 1, 2012, and March 31, 2023, were included. Results: A total of 34 papers were selected for final inclusion in this review. In addition to NHA, all-cause mortality, hospitalization, and rehospitalization were frequently used as outcome measures. The most frequently used models for predicting NHAs were Cox proportional hazards models (studies: n=12, 35%), logistic regression models (studies: n=9, 26%), and a combination of both (studies: n=6, 18%). Several predictors were used in the NHA prediction models, which were further categorized into sociodemographic, caregiver support, health status, health use, and social service use factors. Only 5 (15%) studies used a validated frailty measure in their NHA prediction models. Conclusions: NHA prediction tools based on EHRs or administrative data may assist clinicians, patients, and policy makers in making informed decisions and allocating public health resources. More research is needed to assess the value of various predictors and data sources in predicting NHAs and validating NHA prediction models externally.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».