Development of a checklist of safe discharge practices for hospital patients
Notice bibliographique
Résumé
BACKGROUND: Discharge from hospital can be a vulnerable period for patients. Multifaceted "discharge bundles" facilitate care transitions and possibly decrease adverse outcomes. We describe a structured approach to discharge planning, starting from admission and proceeding through discharge, using a standardized checklist of tasks to be performed for each hospitalization day. OBJECTIVE: To create an evidence-based checklist of safe discharge practices for hospital patients. METHODS: In the province of Ontario, the Ministry of Health and Long-Term Care convened a panel of expert members from multiple disciplines and across several healthcare sectors. The panel conducted a systematic search of the literature and used a structured approach to review evidence-based practices that ensure efficient, effective, safe, and patient-centered care transitions. A discharge-checklist tool was created to facilitate safe discharge from hospital. RESULTS: The final checklist describes the processes necessary for a safe and optimal discharge and recommended timeline of when to complete each step, starting from the first day of admission. The checklist domains include (1) indication for hospitalization, (2) primary care, (3) medication safety, (4) follow-up plans, (5) home-care referral, (6) communication with outpatient providers, and (7) patient education. CONCLUSIONS: The Checklist of Safe Discharge Practices for Hospital Patients summarizes the sequence of events that need to be completed throughout a typical hospitalization. Standardizing discharge planning and initiating processes early on in a patient's hospital stay may ensure a safe transition home.
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 | 0,116 | 0,230 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,015 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».