Discharge Against Medical Advice After Traumatic Brain Injury: Is Intentional Injury a Predictor?
Notice bibliographique
Résumé
BACKGROUND: Discharge against medical advice (DAMA) have consistently been reported as causing adverse outcomes for both patients and service providers. However, little is known about the DAMA of patients with traumatic brain injury (TBI). The objectives of this study were to develop a risk profile of DAMA patients in the TBI population, to examine factors associated with DAMA occurrence, and to examine specifically whether injury intention (unintentional vs. intentional) is a significant predictor of DAMA. METHODS: A retrospective cohort study was conducted using hospital discharge data obtained from the Minimal Data Set (MDS) of the Ontario Trauma Registry for the years 1993/1994 and 2000/2001 on TBI patients aged 15 to 64 years. RESULTS: The MDS review yielded 15,684 cases of TBI with an average length of stay of 2.7 days. Of these, 446 (2.84%) had recorded DAMA events. When compared with patients with unintentional TBI, DAMA was significantly associated with intentional injuries in those with self-inflicted TBI (adjusted odds ratio [aOR] = 1.97; 95% confidence interval [CI], 1.36-2.84) and other-inflicted TBI (aOR = 2.00; CI, 1.53-2.62). DAMA was also associated with younger age and a history of alcohol/drug abuse (aOR = 3.50; CI, 2.85-4.30). CONCLUSION: TBI patients who leave hospital against medical advice are a high-risk population. Early identification of these patients could allow implementation of better prevention and management strategies, thus improving health outcomes and enhancing healthcare delivery.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».