Impact of an innovative inpatient patient navigator program on length of stay and 30‐day readmission
Notice bibliographique
Résumé
BACKGROUND: The current climate of increasing patient complexity coupled with rising costs have prompted the need for adaptive innovation. There are limited data describing inpatient interventions targeting improvements in both communication and transitional care. OBJECTIVE: Evaluate the patient navigator (PN) program, an innovative inpatient intervention intended to enhance navigation through the complexity of hospital admissions for patients and providers. INTERVENTION: PNs were dedicated patient-care facilitators without clinical responsibilities integrated as full members of the inpatient care team responsible for enhancing communication between and among patients and providers. DESIGN: Observational retrospective cohort study. PATIENTS: All patients admitted to the general medical service between July 2010 and March 2014. SETTING: Academic medical center. MEASUREMENTS: Primary outcomes were hospital length of stay (LOS) and 30-day readmission rate matched by case mix group, age category, and resource intensity weight. RESULTS: Our matched cohort included 5628 admissions (4592 patients) exposed and 2213 admissions (1920 patients) not exposed to PNs. Admissions with PNs were 1.3 days (21%) shorter than admission without PNs (6.2 vs 7.5 days, P < 0.001). Thirty-day readmission rate was not different between the 2 groups (13.1 vs 13.8%, P = 0.48). CONCLUSION: Implementation of this intervention was associated with a reduction in LOS without an increase in 30-day readmission.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».