A population-based analysis of leaving the hospital against medical advice: incidence and associated variables
Notice bibliographique
Résumé
BACKGROUND: Prior studies of patients leaving hospital against medical advice (AMA) have been limited by not being population-based or assessing only one type of patient. METHODS: We used administrative data at the Manitoba Centre for Health Policy to evaluate all adult residents of Manitoba, Canada discharged alive from acute care hospitals between April 1, 1990 and February 28, 2009. We identified the rate of leaving AMA, and used multivariable logistic regression to identify socio-demographic and diagnostic variables associated with leaving AMA. RESULTS: Of 1,916,104 live hospital discharges, 21,417 (1.11%) ended with the patient leaving AMA. The cohort contained 610,187 individuals, of whom 12,588 (2.06%) left AMA once and another 2986 (0.49%) left AMA more than once. The proportion of AMA discharges did not change over time. Alcohol and drug abuse was the diagnostic group with the highest proportion of AMA discharges, at 11.71%. Having left AMA previously had the strongest association with leaving AMA (odds ratio 170, 95% confidence interval 156-185). Leaving AMA was more common among men, those with lower average household incomes, histories of alcohol or drug abuse or HIV/AIDS. Major surgical procedures were associated with a much lower chance of leaving the hospital AMA. CONCLUSIONS: The rate of leaving hospital AMA did not systematically change over time, but did vary based on patient and illness characteristics. Having left AMA in the past was highly predictive of subsequent AMA events.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».