MétaCan
Menu
Retour à la cohorte
Enregistrement W4416087442 · doi:10.1177/07334648251394763

Comprehensive Geriatric Assessment by Primary Care Pharmacists

2025· article· en· W4416087442 sur OpenAlexaff
Kerry Wilbur, Anuoluwapo F. Awotunde, Jennifer Bolt, Patti Crozier, Karen Dahri, Sanda de Graaf, Karen Firus, Kristen R. Haase, Colleen Inglis, Vanessa Kitchin, Chris Rauscher, Aaron Sihoe, Nancy L. Sin, Diane Villanyi, Daniel J. Wilson, Karen Lok Yi Wong

Notice bibliographique

RevueJournal of Applied Gerontology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensIsland HealthLearning PartnershipVancouver Coastal HealthInterior HealthUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMultidisciplinary approachPrimary careReferralDelphi methodPersonalizationGeriatricsPrimary health careMEDLINEPolypharmacy

Résumé

récupéré en direct d'OpenAlex

Interprofessional collaboration is critical to optimizing care for older adults, yet comprehensive geriatric assessment (CGA) remains challenging in community and primary care settings lacking team-based infrastructure. Given their accessibility and longitudinal patient relationships, pharmacists are well positioned to support CGA beyond medication review. This pilot project used a modified Delphi process to identify practical, evidence-based tools pharmacists could use to assess CGA domains including functional ability, mobility, cognition, and social support. A multidisciplinary panel, including patient partners, rated tool importance using a seven-point scale; consensus was defined as ≥75% agreement at any level of positive endorsement. Highly rated tools were concise and offered nuanced response options. Patient partners aligned with health professionals' ratings but emphasized personalization and preference-sensitive design. Panelists also noted barriers to referral and follow-up. Findings highlight actionable opportunities for pharmacists to enhance geriatric care and underscore the need for accessible, multidisciplinary pathways in primary care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,403
Score d'incertitude au seuil0,660

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,336
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied GerontologyMême sujetFrailty in Older AdultsTravaux en français237 207