Using electronic consultation (eConsult) to identify frailty in provider-to-provider communication: a feasibility and validation study
Notice bibliographique
Résumé
Abstract Background Frailty is a complex age-related clinical condition that increases vulnerability to stressors. Early recognition of frailty is challenging. While primary care providers (PCPs) serve as the first point of contact for most older adults, convenient tools for identifying frailty in primary care are lacking. Electronic consultation (eConsult), a platform connecting PCPs to specialists, is a rich source of provider-to-provider communication data. Text-based patient descriptions on eConsult may provide opportunities for earlier identification of frailty. We sought to explore the feasibility and validity of identifying frailty status using eConsult data. Methods eConsult cases closed in 2019 and submitted on behalf of long-term care (LTC) residents or community-dwelling older adults were sampled. A list of frailty-related terms was compiled through a review of the literature and consultation with experts. To identify frailty, eConsult text was parsed to measure the frequency of frailty-related terms. Feasibility of this approach was assessed by examining the availability of frailty-related terms in eConsult communication logs, and by asking clinicians to indicate whether they can assess likelihood of frailty by reviewing the cases. Construct validity was assessed by comparing the number of frailty-related terms in cases about LTC residents with those about community-dwelling older adults. Criterion validity was assessed by comparing clinicians' ratings of frailty to the frequency of frailty-related terms. Results One hundred thirteen LTC and 112 community cases were included. Frailty-related terms identified per case averaged 4.55 ± 3.95 in LTC and 1.96 ± 2.68 in the community (p < .001). Clinicians consistently rated cases with ≥ 5 frailty-related terms as highly likely of living with frailty. Conclusions The availability of frailty-related terms establishes the feasibility of using provider-to-provider communication on eConsult to identify patients with high likelihood of living with this condition. The higher average of frailty-related terms in LTC (versus community) cases, and agreement between clinician-provided frailty ratings and the frequency of frailty-related terms, support the validity of an eConsult-based approach to identifying frailty. There is potential for eConsult to be used as a case-finding tool in primary care for early recognition and proactive initiation of care processes for older patients living with frailty.
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 | 0,036 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».