Causes of 30-day readmission after neurosurgery of the spine
Notice bibliographique
Résumé
OBJECT Thirty-day readmission has been cited as an important indicator of the quality of care in several fields of medicine. The aim of this systematic review was to examine rate of readmission and factors relevant to readmission after neurosurgery of the spine. METHODS The authors carried out a systematic review using several databases, searches of cited reference lists, and a manual search of the JNS Publishing Group journals (Journal of Neurosurgery; Journal of Neurosurgery: Spine; Journal of Neurosurgery: Pediatrics; and Neurosurgical Focus), Neurosurgery, Acta Neurochirurgica, and Canadian Journal of Neurological Sciences. A quality review was performed using STROBE (Strengthening the Reporting of Observational Studies in Epidemiology) criteria and reported according to the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) guidelines. RESULTS A systematic review of 1136 records published between 1947 and 2014 revealed 31 potentially eligible studies, and 5 studies met inclusion criteria for content and quality. Readmission rates varied from 2.54% to 14.7%. Sequelae that could be traced back to complications that arose during neurosurgery of the spine were a prime reason for readmission after discharge. Increasing age, poor physical status, and comorbid illnesses were also important risk factors for 30-day readmission. CONCLUSIONS Readmission rates have predictable factors that can be addressed. Strategies to reduce readmission that relate to patient-centered factors, complication avoidance during neurosurgery, standardization with system-wide protocols, and moving toward a culture of nonpunitive system-wide error and "near miss" investigations and quality improvement are discussed.
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 | 0,001 | 0,002 |
| 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 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 ».