Using Comprehensive Geriatric Assessment in Identifying Care Goals and Referral Services in a Frailty Intervention Clinic
Notice bibliographique
Résumé
The proportion of older adults and frail adults in Canada is expected to rise significantly in upcoming years. Currently, a considerable number of older adults do not actively participate in developing their own care plans; prior research has indicated several benefits of patient engagement in this process. Thus, we conducted a mixed methods study that examined the prevalence of rehabilitation goals and identified these for 305 community dwelling older adults referred to a frailty intervention clinic utilizing Comprehensive Geriatric Assessment (CGA) between 2014 and 2018. Top patient concerns included mobility (84%), services, systems, and policies (51%), sensory functions and pain (50%), and self-care or domestic life (47%). The most common referrals or recommendations for patients included further follow-up with a physician or specialist (36%), referral to an onsite falls prevention clinic (31%), and medication modifications (31%). Based upon these findings, we recommend greater utilization of CGA within a team-based approach to improve patient care by allowing for greater collaboration and shared decision-making by health-care providers. Moreover, CGA can be an effective tool to meet the complex and unique health-care needs of frail patients while incorporating patient goals. This is vitally important considering the predicted growth in the population of frail and/or older patients, as well as the current challenges and shortfalls in meeting the health-care needs of this population.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 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 ».