UTILIZING VALID, RELIABLE, AND PRACTICAL MEASURES OF HEALTH STATUS IN PRIMARY GERIATRIC CARE: TRANSLATING RESEARCH INTO USUAL CARE WITH THE SENIOR’S HEALTH ASSESSMENT REPORT AND PLAN (SHARP™)
Notice bibliographique
Résumé
Abstract Introduction To better support evidenced-based care, we combined 9 valid, reliable, and clinically useful tests into a single health status and risk assessment tool, performed by a Team nurse, called the Seniors Health Assessment, Report and Plan (SHARP™). These tests include: CFS, EQ5D-5L, EQ-VAS, MoCA, GDS, Months of the Year Backwards, Gait Speed, Grip Strength, Water Swallow Test, and MNA-6. A published study, with 18 months of follow-up for a primary geriatric home-based practice demonstrated that these tests were stronger predictors of death, nursing home transfer (NHT), or hospital admission(HA) compared to any medical diagnosis, multiple comorbidities, or polypharmacy. Hazard Ratios for SHARP™ vs medical diagnoses were: Death (median HR 5.9 vs. 1.6), NHT (median HR 4.6 vs.1.4), and HA (median HR 6.0 vs. 1.6). The research presented here will provide several case-based studies to demonstrate how we have translated this research into “usual care” for a primary home-based interdisciplinary geriatric medical practice. Specifically, we will demonstrate how we: 1. share this data with patients and caregivers to motivate them for Team interventions, 2. share a summary report of an individual’s health with the hospital and other community care providers, 3. use these tests to guide and evaluate Team interventions for individual patients (e.g. changes in gait speed), 4. Track changes in health status and risk, and 5. use aggregated data at a program level for benchmarking, defining population needs, and for planning and evaluation. Conclusions Standardized testing is acceptable to patients, efficient, supports evidenced-based care, and is useful for program planning and evaluation.
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 | 0,060 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».