The Impact of Severe Obesity on Post-Acute Rehabilitation Efficiency, Length of Stay, and Hospital Costs
Notice bibliographique
Résumé
Background and Objective. The purpose of this retrospective observational study was to examine the influence of severe obesity on length of stay (LOS), rehabilitation efficiency, and hospital costs post-acute rehabilitation in a population-based, tertiary care, publicly-funded regional rehabilitation center. Participants. 42 severely obese subjects (mean age 53 y; mean BMI 50.9 kg/m(2)) and 42 nonobese controls (mean age 59 y; mean BMI 23.0 kg/m(2)) matched by sex and admitting diagnosis. Main Outcome Measures. Total LOS, rehab LOS, waiting for transfer LOS, Fuctional Independence Measure (FIM) efficiency, and hospital costs. Results. Compared to controls, severely obese subjects experienced longer total LOS (98.4 vs. 37.4 days; P = 0.03), rehabilitation LOS (55.8 vs. 37.4 days; P = 0.04), and waiting for transfer LOS (42.6 vs. 0 days; P = 0.006); increased hospital costs ($115,822 vs. $43,969; P = 0.03); and similar FIM efficiency (0.58 vs. 0.67; P = 0.27). Severe obesity was an independent predictor of total LOS (beta-coefficient 0.51; P = 0.03), rehab LOS (0.46; P = 0.02) but not FIM efficiency (-0.63; P = 0.06). Conclusion. Severe obesity adversely affects rehabilitation LOS and expenditures. Targeted interventions in severely obese individuals to optimize post-acute rehabilitation care delivery are needed.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».