ORIGINAL ARTICLE A review of evidence on the reliability and validity of Minimum Data Set data
Notice bibliographique
Résumé
This paper reviews the reliability and validity of the Minimum Data Set (MDS) assess-ment, which is being used increasingly in Canadian nursing homes and continuing care facilities. The central issues that surround the development and implementation of a standardized assessment such as the MDS are presented, including implications for health care managers in how to approach data quality concerns. With other sec-tors such as home care and inpatient psychiatry using MDS for national reporting, these issues have importance in and beyond residential care management. Résumé Le présent article analyse la fiabilité et la fiabilité de l’évaluation sur l’ensemble minimal de données (EMS), utilisée de plus en plus dans les centres d’hébergement et de soins de longue durée canadiens. Les principales questions qui entourent la création et l’adoption d’une évaluation normalisée comme l’EMD sont présentées, y compris les répercussions pour les gestionnaires de la santé quant à la qualité des données. Dans d’autres secteurs comme les soins à domicile et les services psychiatriques aux patients hospitalisés qui font appel à l’évaluation sur l’EMD pour les déclarations nationales, ces questions ont une importance qui dépassent ceux de la gestion des soins résidentiels. he need for a uniform system of resident assessment in nursing facilities led to the development of a MDS in the United States starting in the late 1980s. The MDS was conceived as a standardized assessment instrument that would describe the important domains of health and care at an individual resident level, using the fewest data items possible. The MDS collects information on cognition, communication, vision, hearing, mood, behaviour, psycho social, physical function, diseases,
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».