Do Post Discharge Phone Calls Improve Care Transitions? A Cluster-Randomized Trial
Notice bibliographique
Résumé
IMPORTANCE: The transition from hospital to home can expose patients to adverse events during the post discharge period. Post discharge care including phone calls may provide support for patients returning home but the impact on care transitions is unknown. OBJECTIVE: To examine the effect of a 72-hour post discharge phone call on the patient's transition of care experience. DESIGN: Cluster-randomized control trial. SETTING: Urban, academic medical center. PARTICIPANTS: General medical patients age 18 and older discharged home after hospitalization. MAIN OUTCOMES AND MEASURES: Primary outcome measure was the Care Transition Measure (CTM-3) score, a validated measure of the quality of care transitions. Secondary measures included self-reported adherence to medication and follow up plans, and 30-day composite of emergency department (ED) visits and hospital readmission. RESULTS: 328 patients were included in the study over an 6-month period. 114 (69%) received a post discharge phone call, and 214 of all patients in the study completed the follow outcome survey (65% response rate). A small difference in CTM-3 scores was observed between the intervention and control groups (1.87 points, 95% CI 0.47-3.27, p = 0.01). Self-reported adherence to treatment plans, ED visits, and emergency readmission rates were similar between the two groups (odds ratio 0.57, 95% CI 0.13-2.45, 1.20, 95% CI 0.61-2.37, and 1.18, 95% CI 0.53-2.61, respectively). CONCLUSIONS AND RELEVANCE: A single post discharge phone call had a small impact on the quality of care transitions and no effect on hospital utilization. Higher intensity post discharge support may be required to improve the patient experience upon returning home. TRIAL REGISTRATION: ClinicalTrials.gov NCT01580774.
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 | 0,000 |
| 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 ».