Association between frailty and 30-day outcomes after discharge from hospital
Notice bibliographique
Résumé
BACKGROUND: Readmissions after hospital discharge are common and costly, but prediction models are poor at identifying patients at high risk of readmission. We evaluated the impact of frailty on readmission or death within 30 days after discharge from general internal medicine wards. METHODS: We prospectively enrolled patients discharged from 7 medical wards at 2 teaching hospitals in Edmonton. Frailty was defined by means of the previously validated Clinical Frailty Scale. The primary outcome was the composite of readmission or death within 30 days after discharge. RESULTS: Of the 495 patients included in the study, 162 (33%) met the definition of frailty: 91 (18%) had mild, 60 (12%) had moderate, and 11 (2%) had severe frailty. Frail patients were older, had more comorbidities, lower quality of life, and higher LACE scores at discharge than those who were not frail. The composite of 30-day readmission or death was higher among frail than among nonfrail patients (39 [24.1%] v. 46 [13.8%]). Although frailty added additional prognostic information to predictive models that included age, sex and LACE score, only moderate to severe frailty (31.0% event rate) was an independent risk factor for readmission or death (adjusted odds ratio 2.19, 95% confidence interval 1.12-4.24). INTERPRETATION: Frailty was common and associated with a substantially increased risk of early readmission or death after discharge from medical wards. The Clinical Frailty Scale could be useful in identifying high-risk patients being discharged from general internal medicine wards.
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 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 | 0,002 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».