MétaCan
Menu
Retour à la cohorte
Enregistrement W2032915405 · doi:10.1097/sla.0b013e31828b0fae

Rates, Patterns, and Determinants of Unplanned Readmission After Traumatic Injury

2013· article· en· W2032915405 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueAnnals of Surgery · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensSt. Michael's HospitalUniversity of CalgaryUniversité LavalUniversity of TorontoHôpital de l'Enfant-Jésus
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineEmergency medicineRetrospective cohort studyLogistic regressionInjury Severity ScoreInjury preventionPopulationMortality rateHospital readmissionPoison controlInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

In Brief Objective: This study aimed to (i) describe unplanned readmission rates after injury according to time, reason, and place; (ii) compare observed rates with general population rates, and (iii) identify determinants of 30-day readmission. Background: Hospital readmissions represent an important burden in terms of mortality, morbidity, and resource use but information on unplanned rehospitalization after injury admissions is scarce. Methods: This multicenter retrospective cohort study was based on adults discharged alive from a Canadian provincial trauma system (1998–2010; n = 115,329). Trauma registry data were linked to hospital discharge data to obtain information on readmission up to 12 months postdischarge. Provincial admission rates were matched to study data by age and gender to obtain expected rates. Determinants of readmission were identified using multiple logistic regression. Results: Cumulative readmission rates at 30 days, 3 months, 6 months, and 12 months were 5.9%, 10.9%, 15.5%, and 21.1%, respectively. Observed rates persisted above expected rates up to 11 months postdischarge. Thirty percent of 30-day readmissions were due to potential complications of injury compared with 3% for general provincial admissions. Only 23% of readmissions were to the same hospital. The strongest independent predictors of readmission were the number of prior admissions, discharge destination, the number of comorbidities, and age. Conclusions: Unplanned readmissions after discharge from acute care for traumatic injury are frequent, persist beyond 30 days, and are often related to potential complications of injury. Several patient-, injury-, and hospital-related factors are associated with the risk of readmission. Injury readmission rates should be monitored as part of trauma quality assurance efforts. Unplanned hospital readmission is a major burden in terms of mortality, morbidity, and costs, but little is known about rehospitalization after traumatic injury. This multicenter retrospective cohort study describes the patterns, rates, and determinants of unplanned readmission in patients admitted for trauma. Results suggest that unplanned readmissions in this population are frequent, persist beyond 30 days, and are often related to potential complications of injury.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,335

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,176
Tête enseignante GPT0,372
Écart entre enseignants0,196 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle