Which acute deterioration tools are used in long-term care facilities and how have they been evaluated? A scoping review
Notice bibliographique
Résumé
BACKGROUND: Acute deterioration describes a rapid decline in health due to short-duration illnesses. This is an important topic for older adults living in long-term care facilities (LTCF). Signs of acute deterioration are often subtle, and there is no standardised system to manage it. The aim of this review is to scope the range of deterioration tools used in LTCFs, and to describe how they have been evaluated. METHODS: A scoping review was conducted in accordance with the Joanna Briggs Institute methodology. Searches of five (MEDLINE, APA PsycInfo, Embase, CINAHL, HMIC) electronic databases (2013-2023, updated 2025) and relevant websites were followed by title/abstract (by two authors independently) and full-text screening. Eligible studies involved tools used to manage acute deterioration for adults > 65 years in LTCFs. Experimental and observational study designs were eligible, including quality improvement projects. No country or language restrictions were imposed. A narrative synthesis was conducted. RESULTS: Twenty-six studies were included (23 peer-reviewed articles, two conference abstracts, one dissertation) after screening 5958 articles. A majority were from the UK (n = 10) and USA (n = 9), with small numbers from other high-income countries ((Australia (n = 2), Canada (n = 2), Sweden (n = 2), Switzerland (n = 1)). Studies employed a wide range of methodologies, with only one randomised study, and tools were frequently evaluated as part of multi-faceted interventions. The majority of studies described an intervention in which SBAR (situation-background-action-recommendation) (n = 15), National Early Warning Scores (n = 7) or STOP AND WATCH (n = 4) were a component. Studies used quantitative (n = 21) and qualitative (n = 9) methods to evaluate tools. Outcome measures were heterogeneous, with no data on resident experience. The majority of studies concluded potential benefit from using deterioration tools. There is some evidence that LTCF staff perceive tools, especially SBAR, as improving confidence in managing acute deterioration and aiding communication with external healthcare professionals. CONCLUSION: Despite policy drivers to use deterioration tools in LTCFs, there is no robust evidence to support this. Direct benefits for resident care have not been demonstrated. Further research is required to compare tools to standard care, measure the impact on resident experience, and to determine if deterioration tools should become part of routine care in LTCFs.
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 | 0,053 | 0,211 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,028 | 0,030 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».