Creating a Clinical Care Pathway for Depressive Symptoms and Disorders in Long-Term Care: A Modified Delphi Process
Notice bibliographique
Résumé
OBJECTIVES: To create an evidence- and expert-informed clinical care pathway focused on identifying and treating depressive symptoms and disorders in long-term care (LTC) residents. DESIGN: Modified Delphi survey. SETTING AND PARTICIPANTS: Delphi participants were LTC health care providers, LTC administrators, friend/family caregivers of residents living in LTC, and residents of LTC. METHODS: Initial survey statements were developed based on evidence and expert opinion. The survey was distributed in as many rounds as required to reach agreement among participants. Survey participants used Likert scale responses to rate their agreement with each statement describing a step of the clinical care pathway. Statements were revised between rounds based on participant feedback and median and interquartile range values. RESULTS: To reach a consensus among participants on statements, 2 rounds of survey distribution were required. Twenty-six participants completed both rounds of the survey. Statements were organized into 4 categories: depression detection, identifying contributors to depression, symptom management, and coordination of care. Clinicians identified critical statements that were considered foundational to pathway function. CONCLUSIONS AND IMPLICATIONS: The generated statements provide steps for identifying and managing depression among residents of LTC. These steps can be further tested in practice Canada-wide to improve care for residents. Steps that detail care outside current practice, such as staff education on depression detection and access to nonpharmacologic treatments, may require additional resources. During statement revisions, participants disagreed on when depression should be assessed, how validated depression assessment tools should be used, and how to account for depressive history and comorbidities as part of management. Further research is required to understand the barriers to providing care for depression before pathway implementation.
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 | 0,186 | 0,132 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».