Acceptabilité de l’autoévaluation des patients âgés traités au Département d’urgence
Bibliographic record
Abstract
Introduction : Il est recommandé que les patients âgés subissent un dépistage gériatrique systématique au Département d’urgence (DU). Cependant, il est difficile pour les cliniciens de respecter cette recommandation dans la pratique. L’autoévaluation pourrait être une solution intéressante à ce problème, mais l'évaluation de l’acceptabilité de cette pratique, étape fondamentale de l’évaluation d’une intervention, n’a pas encore été effectuée. Hypothèse et objectifs : Notre hypothèse est que l’autoévaluation est aussi acceptable que l’évaluation par un professionnel. L’objectif principal de cette étude était de comparer l’acceptabilité de l’autoévaluation par les patients âgés au DU à celle de l’évaluation par un professionnel, selon les personnes âgées et leurs proches. Méthode : Devis : Étude croisée randomisée qui a eu lieu entre mai et juillet 2018. Participants : Patients âgés de ≥65 ans au DU et leur proche. Mesures : Un professionnel a évalué la fragilité, le statut cognitif et fonctionnel des participants, qui ont également fait leur autoévaluation avec une tablette électronique. L’ordre des évaluations était randomisé. L’acceptabilité était évaluée avec le Treatment Acceptability and Preferences (TAP). Analyses : Des analyses descriptives ont été effectuées pour les variables sociodémographiques. Les scores TAP ont été ajustés avec une régression linéaire multivariée. Une analyse de contenu thématique des données qualitatives a été réalisée. Résultats : 67 patients ont été inclus. L’âge moyen était de 75.5±8.0 et 55.2% étaient des femmes. Les scores TAP ajustés étaient de 2.20 pour l’autoévaluation et 2.36 pour l’évaluation par un professionnel (p=0.08). Une différence entre les scores est observée (p=0.01) chez les patients ≥85ans (n=11), ce qui pourrait être attribué à l’utilisation de la technologie selon notre analyse de contenu thématique. La taille d'échantillon relativement petite des proches (n=9) nous a empêchés d'effectuer des tests statistiques. Conclusion : Nos résultats démontrent que les patients âgés perçoivent l’autoévaluation à l’aide d’une tablette électronique au DU tout aussi acceptable qu’une évaluation par un professionnel.
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 | 0.020 | 0.057 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".