Documentation of cognitive impairment screening amongst older hospitalised Australians: a prospective clinical record audit
Notice bibliographique
Résumé
Abstract Background Failure to detect cognitive impairment (CI) in hospitalised older inpatients has serious medical and legal implications, including for the implementation of care planning. This mixed methods study aimed to determine amongst hospital in-patients aged ≥ 65 years: (1) Rates of documentation of screening for CI, including the factors associated with completion of screening; (2) Rates of undocumented CI amongst patients who had not received screening during their admission; (3) Healthcare provider practices and barriers related to CI screening. Methods A mixed methods study incorporating a clinical audit and interviews with healthcare providers was conducted at one Australian public hospital. Patients were eligible for inclusion if they were aged 65 years and older and were admitted to a participating ward for a minimum of 48 h. Patient characteristics, whether CI screening had been documented, were extracted using a template. Patients who had not been screened for CI completed the Montreal Cognitive Assessment (MoCA) to determine cognitive status. Interviews were conducted with healthcare providers to understand practices and barriers to screening for CI. Results Of the 165 patients included, 34.5% (n = 57) had screening for CI documented for their current admission. Patients aged > 85 years and those with two or more admissions had greater odds of having CI screening documented. Among patients without CI screening documented, 72% (n = 78) were identified as cognitively impaired. While healthcare providers agreed CI screening was beneficial, they identified lack of time and poor knowledge as barriers to undertaking screening. Conclusions CI is frequently unrecognised in the hospital setting which is a missed opportunity for the provision of appropriate care. Future research should identify feasible and effective strategies to increase implementation of CI screening in hospitals.
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 | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».