FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2161862484> ?p ?o ?g. }

• W2161862484 endingPage "39" @default.
• W2161862484 startingPage "31" @default.
• W2161862484 abstract "Electronic health records (EHRs) provide a clinical view of patient health. EHR data are becoming available in large data sets and enabling research that will transform the landscape of healthcare research. Methods are needed to incorporate wellbeing dimensions and strengths in large data sets. The purpose of this study was to examine the potential alignment of the Wellbeing Model with a clinical interface terminology standard, the Omaha System, for documenting wellbeing assessments.To map the Omaha System and Wellbeing Model for use in a clinical EHR wellbeing assessment and to evaluate the feasibility of describing strengths and needs of seniors generated through this assessment.The Wellbeing Model and Omaha System were mapped using concept mapping techniques. Based on this mapping, a wellbeing assessment was developed and implemented within a clinical EHR. Strengths indicators and signs/symptoms data for 5 seniors living in a residential community were abstracted from wellbeing assessments and analyzed using standard descriptive statistics and pattern visualization techniques.Initial mapping agreement was 93.5%, with differences resolved by consensus. Wellbeing data analysis showed seniors had an average of 34.8 (range=22-49) strengths indicators for 22.8 concepts. They had an average of 6.4 (range=4-8) signs/symptoms for an average of 3.2 (range=2-5) concepts. The ratio of strengths indicators to signs/symptoms was 6:1 (range 2.8-9.6). Problem concepts with more signs/symptoms had fewer strengths.Together, the Wellbeing Model and the Omaha System have potential to enable a whole-person perspective and enhance the potential for a wellbeing perspective in big data research in healthcare.背景：电子健康记录（EHR）提供了 一种患者健康的临床观点。EHR 数 据可由大型数据集提供，并能启动 将改变医疗保健研究前景的研究。 目前需要能在大型数据集中纳入健 康维度和优势的方法。本研究旨在 检验健康模型与临床界面术语标准 （Omaha 系统）的潜在协调性，用 于记录健康评估。目的：用于描绘临床 EHR 健康评估 中使用的 Omaha 系统和健康模型， 并评价通过本评估描述老年人体力 和需求的可行性。方法：使用概念绘图技术绘制健康 模型和 Omaha 系统。根据本绘图， 开发了一种健康评估方法，并在临 床 EHR 中予以实施。 从健康评估 中提取了居民区中的 5 个老年人体 力指标和体征/症状数据，并使用 标准描述统计和可视化技术模式进 行分析。结果：初始绘制符合度为 93.5%， 分歧通过协商得到解决。健康数据 分析显示，22.8 个概念的老年人体 力指标平均值为 34.8（范围=22-49 ）。平均 3.2 个概念（范围=2-5） 的体征/症状平均值为 6.4（范围 =4-8）。相对体征/症状的体力指标 比值为 6:1（范围 2.8-9.6）。体 征/症状问题概念优势较小。结论：总之，健康模型和 Omaha 系统 可能在大型医疗数据研究中启动全人 前景并提高健康前景研究的潜能。.Los registros sanitarios electrónicos (RSe) proporcionan una visión clínica de la salud del paciente. Se está empezando a disponer de los RSe mediante grandes conjuntos de datos, lo que posibilita una investigación que transformará el panorama de la investigación sanitaria. Se necesitan métodos para incorporar las dimensiones y puntos fuertes del bienestar en los grandes conjuntos de datos. El propósito de este estudio era examinar la posible convergencia del modelo de bienestar con un estándar de terminología con conexión clínica, el sistema Omaha, para documentar las evaluaciones del bienestar.Planificar el sistema Omaha y el modelo de bienestar para su uso en una evaluación del bienestar de RSe clínicos y evaluar su viabilidad en la descripción de los puntos fuertes y las necesidades de los adultos que surjan de esta evaluación.El modelo de bienestar y el sistema Omaha se elaboraron mediante técnicas de asignación de conceptos. Basándose en esta elaboración, se desarrolló una evaluación del bienestar y se implementó en un RSe clínico. A partir de las evaluaciones del bienestar se extrajeron datos de indicadores de los puntos fuertes y de los signos o síntomas de 5 ancianos que vivían en una comunidad residencial y se analizaron empleando estadísticas descriptivas y técnicas de visualización de patrones estándar.El acuerdo de la asignación inicial fue del 93,5 % con las diferencias resueltas por consenso. El análisis de los datos de bienestar mostró que los ancianos tenían una media de 34,8 (intervalo = 22-49) indicadores de puntos fuertes para 22,8 conceptos. Tuvieron una media de 6,4 (intervalo = 4-8) signos/síntomas para una media de 3,2 (intervalo = 2-5) conceptos. La relación entre indicadores de puntos fuertes y signos/síntomas fue de 6:1 (intervalo = 2,8-9,6). Los conceptos problemáticos con más signos/síntomas tuvieron menos puntos fuertes.Juntos, el modelo de bienestar y el sistema Omaha tienen potencial para poder realizar una perspectiva individual completa y mejorar el potencial de una perspectiva del bienestar en la investigación de grandes volúmenes de datos sanitarios." @default.
• W2161862484 created "2016-06-24" @default.
• W2161862484 creator A5010918825 @default.
• W2161862484 creator A5015191670 @default.
• W2161862484 creator A5047830136 @default.
• W2161862484 creator A5053822484 @default.
• W2161862484 creator A5088527554 @default.
• W2161862484 date "2015-05-01" @default.
• W2161862484 modified "2023-10-14" @default.
• W2161862484 title "The Gap in Big Data: Getting to Wellbeing, Strengths, and a Whole-person Perspective" @default.
• W2161862484 cites W1257340664 @default.
• W2161862484 cites W1542399824 @default.
• W2161862484 cites W1984024477 @default.
• W2161862484 cites W1984830290 @default.
• W2161862484 cites W2003107476 @default.
• W2161862484 cites W2088833820 @default.
• W2161862484 cites W2131801584 @default.
• W2161862484 cites W2284437632 @default.
• W2161862484 cites W2312228520 @default.
• W2161862484 cites W2325818521 @default.
• W2161862484 cites W4256250348 @default.
• W2161862484 cites W4292525647 @default.
• W2161862484 cites W2164930799 @default.
• W2161862484 doi "https://doi.org/10.7453/gahmj.2015.040" @default.
• W2161862484 hasPubMedCentralId "https://www.ncbi.nlm.nih.gov/pmc/articles/4424936" @default.
• W2161862484 hasPubMedId "https://pubmed.ncbi.nlm.nih.gov/25984416" @default.
• W2161862484 hasPublicationYear "2015" @default.
• W2161862484 type Work @default.
• W2161862484 sameAs 2161862484 @default.
• W2161862484 citedByCount "31" @default.
• W2161862484 countsByYear W21618624842015 @default.
• W2161862484 countsByYear W21618624842016 @default.
• W2161862484 countsByYear W21618624842017 @default.
• W2161862484 countsByYear W21618624842018 @default.
• W2161862484 countsByYear W21618624842019 @default.
• W2161862484 countsByYear W21618624842020 @default.
• W2161862484 countsByYear W21618624842021 @default.
• W2161862484 countsByYear W21618624842022 @default.
• W2161862484 countsByYear W21618624842023 @default.
• W2161862484 crossrefType "journal-article" @default.
• W2161862484 hasAuthorship W2161862484A5010918825 @default.
• W2161862484 hasAuthorship W2161862484A5015191670 @default.
• W2161862484 hasAuthorship W2161862484A5047830136 @default.
• W2161862484 hasAuthorship W2161862484A5053822484 @default.
• W2161862484 hasAuthorship W2161862484A5088527554 @default.
• W2161862484 hasBestOaLocation W21618624841 @default.
• W2161862484 hasConcept C105795698 @default.
• W2161862484 hasConcept C12713177 @default.
• W2161862484 hasConcept C138885662 @default.
• W2161862484 hasConcept C154945302 @default.
• W2161862484 hasConcept C15744967 @default.
• W2161862484 hasConcept C2522767166 @default.
• W2161862484 hasConcept C33923547 @default.
• W2161862484 hasConcept C39896193 @default.
• W2161862484 hasConcept C41008148 @default.
• W2161862484 hasConcept C41895202 @default.
• W2161862484 hasConcept C547195049 @default.
• W2161862484 hasConcept C63882131 @default.
• W2161862484 hasConcept C75630572 @default.
• W2161862484 hasConcept C77805123 @default.
• W2161862484 hasConceptScore W2161862484C105795698 @default.
• W2161862484 hasConceptScore W2161862484C12713177 @default.
• W2161862484 hasConceptScore W2161862484C138885662 @default.
• W2161862484 hasConceptScore W2161862484C154945302 @default.
• W2161862484 hasConceptScore W2161862484C15744967 @default.
• W2161862484 hasConceptScore W2161862484C2522767166 @default.
• W2161862484 hasConceptScore W2161862484C33923547 @default.
• W2161862484 hasConceptScore W2161862484C39896193 @default.
• W2161862484 hasConceptScore W2161862484C41008148 @default.
• W2161862484 hasConceptScore W2161862484C41895202 @default.
• W2161862484 hasConceptScore W2161862484C547195049 @default.
• W2161862484 hasConceptScore W2161862484C63882131 @default.
• W2161862484 hasConceptScore W2161862484C75630572 @default.
• W2161862484 hasConceptScore W2161862484C77805123 @default.
• W2161862484 hasIssue "3" @default.
• W2161862484 hasLocation W21618624841 @default.
• W2161862484 hasLocation W21618624842 @default.
• W2161862484 hasLocation W21618624843 @default.
• W2161862484 hasLocation W21618624844 @default.
• W2161862484 hasOpenAccess W2161862484 @default.
• W2161862484 hasPrimaryLocation W21618624841 @default.
• W2161862484 hasRelatedWork W1969477129 @default.
• W2161862484 hasRelatedWork W2053083451 @default.
• W2161862484 hasRelatedWork W2131808775 @default.
• W2161862484 hasRelatedWork W2350593162 @default.
• W2161862484 hasRelatedWork W2353483812 @default.
• W2161862484 hasRelatedWork W2359533638 @default.
• W2161862484 hasRelatedWork W2360756181 @default.
• W2161862484 hasRelatedWork W2374093222 @default.
• W2161862484 hasRelatedWork W2390350206 @default.
• W2161862484 hasRelatedWork W2921208823 @default.
• W2161862484 hasVolume "4" @default.
• W2161862484 isParatext "false" @default.
• W2161862484 isRetracted "false" @default.
• W2161862484 magId "2161862484" @default.
• W2161862484 workType "article" @default.