Soins de longue durée dans la région de St. John's: Incidence du point d'admission unique et prévision du besoin de lits
Bibliographic record
Abstract
En 1996 la région de St. John's comptait une population de 8 435 personnes âgées de plus de 75 ans, 996 lits dans des foyers de soins infirmiers (FSI) et 550 lits de soins sous surveillance (SSS). Un système d'admission à point unique à ces établissements a été mis en œuvre en 1995. Afin de déterminer l'incidence du système d'admission à point unique, les caractéristiques démographiques et cliniques des résidents de FSI ont été évaluées en 1997 (N = 1 044) et en 2003 (N = 963). Afin de déterminer l'efficacité du placement et le besoin de lits de soins de longue durée, deux cohortes d'incidents nécessitant un placement ont été étudiées en 1995–1996 (N = 467) et en 1999–2000 (N = 464). Le niveau de déficience a été déterminé à l'aide de la classification des Resource Utilization Groups III (RUG-III) et l'Alberta Resident Classification Score (ARCS), puis le temps écoulé entre le placement et le décès a été mesuré. Chez les résidents courants des FSI le pourcentage de clients ne souffrant d'aucune déficience aux termes de la classification RUGS-III a diminué de 18,5 % en 1997 et de 9,9 % en 2003. La proportion recommandée de ces clients dans les FSI était de 75 % en 1995–1996 et de 72 % en 1999–2000, malgré le fait que la proportion de résidents atteints d'une déficience aux termes de la classification RUGS-III était de 64 % au cours des deux périodes. À l'aide d'un arbre de décision, un placement optimal pour la cohorte de 1999–2000 a été établi à 36 % dans les établissements de SSS, à 20 % pour les résidents de SSS souffrant de facultés cognitives altérées et à 44 % dans les FSI. Le besoin prévu de lits de soins de longue durée en 2004 ne correspondait que faiblement à l'inventaire actuel de lits de FSI et de SSS et ce manque à gagner sera bien pire en 2014. Nous avons conclu que le système d'admission à point unique était associé à une utilisation améliorée des lits en FSI de façon appropriée. Cependant, il y avait un manque à combler dans le besoin de lits de soins de longue durée en établissement et l'inventaire de ces lits. Un investissement dans la reconfiguration des lits de soins de longue durée par composition de la clientèle et par géographie est nécessaire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".