CONECT-6: a case-finding tool to identify patients with complex health needs
Notice bibliographique
Résumé
Abstract Background Early identification of patients with chronic conditions and complex health needs in emergency departments (ED) would enable the provision of services better suited to their needs, such as case management. A case-finding tool would ultimately support ED teams to this end and could reduce the cost of services due to avoidable ED visits and hospitalizations. The aim of this study was to develop and validate a short self-administered case-finding tool in EDs to identify patients with chronic conditions and complex health needs in an adult population. Methods This prospective development and initial validation study of a case-finding tool was conducted in four EDs in the province of Quebec (Canada). Adult patients with chronic conditions were approached at their third or more visit to the ED within 12 months to complete a self-administered questionnaire, which included socio-demographics, a comorbidity index, the reference standard INTERMED self-assessment, and 12 questions to develop the case-finding tool. Significant variables in bivariate analysis were included in a multivariate logistic regression analysis and a backward elimination procedure was applied. A receiver operating characteristic (ROC) curve was developed to identify the most appropriate threshold score to identify patients with complex health needs. Results Two hundred ninety patients participated in the study. The multivariate analysis yielded a six-question tool, COmplex NEeds Case-finding Tool – 6 (CONECT-6), which evaluates the following variables: low perceived health; limitations due to pain; unmet needs; high self-perceived complexity; low income; and poor social support. With a threshold of two or more positive answers, the sensitivity was 90% and specificity 66%. The positive and negative predictive values were 49 and 95% respectively. Conclusions The case-finding process is the essential characteristic of case management effectiveness. This study presents the first case-finding tool to identify adult patients with chronic conditions and complex health needs in ED.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».