MétaCan
Menu
← Retour à la cohorte
Enregistrement W6977482896 · doi:10.6084/m9.figshare.c.3882760

Impact of nursing home admission on health care use and disease status elderly dependent people one year before and one year after skilled nursing home admission based on 2012–2013 SNIIRAM data

2017· other· en· W6977482896 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2017
Typeother
Langueen
DomaineEngineering
ThématiqueMilitary Technology and Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReimbursementInstitutionalisationHospital admissionHealth carePopulationDiseaseQuarter (Canadian coin)Nursing homes

Résumé

récupéré en direct d'OpenAlex

Abstract Background The aim of this study was to compare disease status and health care use 1 year before and 1 year after skilled nursing home (SNH) admission. Methods People over the age of 65 years admitted to SNH during the first quarter of 2013, covered by the national health insurance general scheme (69% of the population of this age), and still alive 1 year after admission were identified (n = 14,487, mean age: 86 years, women: 76%). Their reimbursed health care was extracted from the Système National d’Information Interrégimes de l’Assurance Maladie (SNIIRAM) [National Health Insurance Information System]. Results One year after nursing home admission, the most prevalent diseases were cardiovascular/neurovascular diseases and neurodegenerative diseases (affecting 45% and 40% of people before admission vs 51% and 53% after admission, respectively). Physical therapy use increased (43% vs 64% of people had at least one physical therapy session during the year, with an average of 47 vs 84 sessions/person during the year), while specialist consultations decreased (29% of people consulted an ophthalmologist at least once during the year before admission vs 25% after admission; 27% vs 21% consulted a cardiologist). Hospitalization rates were lower during the year following institutionalization (75% vs 40% of people were hospitalized at least once during the year), together with a lower emergency admission rate and a higher day admission rate. Conclusions Analysis of the new French reimbursement database specific to SNH shows that nursing home admission is associated with a reduction of some forms of outpatient care and hospitalizations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,157

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,298
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetMilitary Technology and Strategies→Travaux en français237 207→