The quality of care delivered to residents in long-term care in Australia: an indicator-based review of resident records (CareTrack Aged study)
Notice bibliographique
Résumé
Abstract Background This study estimated the prevalence of evidence-based care received by a population-based sample of Australian residents in long-term care (LTC) aged ≥ 65 years in 2021, measured by adherence to clinical practice guideline (CPG) recommendations. Methods Sixteen conditions/processes of care amendable to estimating evidence-based care at a population level were identified from prevalence data and CPGs. Candidate recommendations (n = 5609) were extracted from 139 CPGs which were converted to indicators. National experts in each condition rated the indicators via the RAND-UCLA Delphi process. For the 16 conditions, 236 evidence-based care indicators were ratified. A multi-stage sampling of LTC facilities and residents was undertaken. Trained aged-care nurses then undertook manual structured record reviews of care delivered between 1 March and 31 May 2021 (our record review period) to assess adherence with the indicators. Results Care received by 294 residents with 27,585 care encounters in 25 LTC facilities was evaluated. Residents received care for one to thirteen separate clinical conditions/processes of care (median = 10, mean = 9.7). Adherence to evidence-based care indicators was estimated at 53.2% (95% CI: 48.6, 57.7) ranging from a high of 81.3% (95% CI: 75.6, 86.3) for Bladder and Bowel to a low of 12.2% (95% CI: 1.6, 36.8) for Depression. Six conditions (skin integrity, end-of-life care, infection, sleep, medication, and depression) had less than 50% adherence with indicators. Conclusions This is the first study of adherence to evidence-based care for people in LTC using multiple conditions and a standardised method. Vulnerable older people are not receiving evidence-based care for many physical problems, nor care to support their mental health nor for end-of-life care. The six conditions in which adherence with indicators was less than 50% could be the focus of improvement efforts.
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 | 0,018 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».