Impact of socio-economic status on hospital length of stay following injury: a multicenter cohort study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Injury is second only to cardiovascular disease in terms of acute care costs in North America. One key to improving injury care efficiency is to generate knowledge on the determinants of resource use. Socio-economic status (SES) is a documented risk factor for injury severity and mortality but its impact on length of stay (LOS) for injury admissions is unknown. This study aimed to examine the relationship between SES and LOS following injury. This multicenter retrospective cohort study was based on adults discharged alive from any trauma center (2007-2012; 57 hospitals; 65,486 patients) in a Canadian integrated provincial trauma system. SES was determined using ecological indices of material and social deprivation. Mean differences in LOS adjusted for age, gender, comorbidities, and injury severity were generated using multivariate linear regression. RESULTS: Mean LOS was 13.5 days. Patients in the highest quintile of material/social deprivation had a mean LOS 0.5 days (95 % CI 0.1-0.9)/1.4 days (1.1-1.8) longer than those in the lowest quintile. Patients in the highest quintiles of both social and material deprivation had a mean LOS 2.6 days (1.8-3.5) longer than those in the lowest quintiles. CONCLUSIONS: Results suggest that patients admitted for traumatic injury who suffer from high social and/or material deprivation have longer acute care LOS in a universal-access health care system. The reasons behind observed differences need to be further explored but may indicate that discharge planning should take patient SES into consideration.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle