Application and content of minimum data sets for care homes: A mapping review
Notice bibliographique
Résumé
Abstract Background Care home residents have complex needs, and minimum data sets (MDSs) provide a unique source of information on their health and wellbeing. Although MDSs were first developed to monitor quality and costs of care, they can make an important contribution to research. Aim To describe the research applications of data from care home MDSs, and identify key outcome variables and measures used. Design Mapping review of published empirical studies using data generated from minimum data sets in long term care facilities for older adults. Methods We performed a comprehensive search of electronic databases (Medline OVID, CINAHL, Embase and ASSIA), using bespoke search strategies to identify English language publications 2011 - 2024. Articles were screened by two independent reviewers. They were grouped by study topic and data (on publication date, country, MDS, outcome variables and specific items or measures) were charted without quality assessment. The key features of the data are described in a narrative synthesis. Findings Searches identified 18588 articles published 2011-2024, of which 661 met inclusion criteria. 72% were from the USA, 12% from Canada and the remaining 16% from four European countries, South Korea and New Zealand. The studies encompassed individual resident functioning (e.g. mobility, incontinence), health conditions and symptoms (e.g. depression, pain), healthcare in the home (e.g. prescribing, end of life care), hospital attendances and admissions, transitions to and from care homes, quality of care and systemwide issues. Measures used reflected the content of the major MDSs, but there was a mismatch between the importance of some topics to care homes (e.g. incontinence) and the range of published papers, and limited consensus over how to measure quality of life. Conclusions Care home MDSs are a unique resource to support study of care home residents and impact of interventions over time. They are a powerful resource when linked to other datasets, and as an adjunct to primary data collection This analysis may serve as an accessible guide to the content and applications of MDS, allowing researchers to consider the sort of questions that can be posed and the different components of resident care or experience that can be evaluated.
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 | 0,075 | 0,306 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,041 | 0,039 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».