Using an interactive voice response system to improve patient safety following hospital discharge
Notice bibliographique
Résumé
BACKGROUND: Patients often experience complications when transitioning from hospital to home. These complications are frequently related to poor monitoring. An interactive voice response system (IVRS) could improve post-discharge monitoring. OBJECTIVE: To determine the feasibility and utility of an IVRS to monitor patients following hospital discharge. DESIGN: Prospective cohort study at an academic health sciences centre. PATIENTS: Consecutive internal medicine patients who had a touch-tone telephone, spoke English, had no cognitive impairments and were discharged home. MEASUREMENTS: Feasibility was defined as the proportion of patients reached by the IVRS and the proportion completing an IVRS-based survey. Utility was defined as the percentage of patients whose outcomes could have been changed by the IVRS. METHODS: We programmed the IVRS to call patients and administer a simple survey 48 hours after discharge. The survey's objective was to identify all patients with new health problems. Such patients were telephoned by a nurse to clarify and address the problem. RESULTS: We enrolled 77 patients who were predominantly male (68%), elderly (median age 65 years) and chronically ill (median number of co-morbidities = 3). The IVRS reached 45 of the 77 patients (58.4%). Forty patients (51.9%) answered all questions on the survey. Twenty patients (26%, 95% CI 17%-37%) indicated new or worsening symptoms, problems with their medications, or requested to talk to the clinic nurse. For 10 patients (13%, 95% CI 7%-22%), the IVRS could have made a difference in their outcome. CONCLUSION: Using an IVRS, we were able to identify several important new health concerns arising following hospital discharge. Subtle changes could increase the feasibility and utility of IVRS technology in improving post-discharge outcomes.
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 | 0,004 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».