Does emergency medicine length of stay predict trauma outcomes at a Level 1 Trauma Center?
Notice bibliographique
Résumé
Objective: Previous studies looking at emergency department (ED) crowding and delays of care on outcome measures for certain medical and surgical patients excluded trauma patients. The objectives of this study were to assess the relationship of trauma patients’ ED length of stay (EDLOS) on hospital length of stay (HLOS) and on mortality; and to examine the association of ED and hospital capacity on EDLOS.Methods: This was a retrospective database review of Level 1 and 2 trauma patients at a single site Level 1 Trauma Center in the Midwest over a one year period. Out of a sample of 1,492, there were 1,207 patients in the analysis after exclusions. The main outcome was the difference in hospital mortality by EDLOS group (short was less than 4 hours vs. long, greater than 4 hours). HLOS was compared by EDLOS group, stratified by Trauma Injury Severity Score (TRISS) category (< 0.5, 0.51-0.89, > 0.9) to describe the association between ED and hospital capacity on EDLOS.Results: There was no significant difference in mortality by EDLOS (4.8% short and 4% long, p = .5). There was no significant difference in HLOS between EDLOS, when adjusted for TRISS. ED census did not affect EDLOS (p = .59), however; EDLOS was longer when the percentage of staffed hospital beds available was lower (p < .001).Conclusions: While hospital overcrowding did increase EDLOS, there was no association between EDLOS and mortality or HLOS in leveled trauma patients at this institution.
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 | 0,000 | 0,001 |
| 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 ».