Adverse outcomes following hospitalization in acutely ill older patients
Notice bibliographique
Résumé
BACKGROUND: The longitudinal outcomes of patients admitted to acute care for elders units (ACE) are mixed. We studied the associations between socio-demographic and functional measures with hospital length of stay (LOS), and which variables predicted adverse events (non-independent living, readmission, death) 3 and 6 months later. METHODS: Prospective cohort study of community-living, medical patients age 75 or over admitted to ACE at a teaching hospital. RESULTS: The population included 147 subjects, median LOS of 9 days (interquartile range 5-15 days). All returned home/community after hospitalization. Just prior to discharge, baseline timed up and go test (TUG, P < 0.001), bipedal stance balance (P = 0.001), and clinical frailty scale scores (P = 0.02) predicted LOS, with TUG as the only independent predictor (P < 0.001) in multiple regression analysis. By 3 months, 59.9% of subjects remained free of an adverse event, and by 6 months, 49.0% were event free. The 3 and 6-month mortality was 10.2% and 12.9% respectively. Almost one-third of subjects had developed an adverse event by 6 months, with the highest risk within the first 3 months post discharge. An abnormal TUG score was associated with increased adjusted hazard ratio [HR] 1.28, 95% confidence interval [CI] 1.03 to 1.59, P = 0.03. A higher FMMSE score (adjusted HR 0.89, 95% CI 0.82 to 0.96, P = 0.003) and independent living before hospitalization (adjusted HR 0.42, 95% CI 0.21 to 0.84, P = 0.01) were associated with reduced risk of adverse outcome. CONCLUSION: Some ACE patients demonstrate further functional decline following hospitalization, resulting in loss of independence, repeat hospitalization, or death. Abnormal TUG is associated with prolonged LOS and future adverse 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».