Adverse events in patients with return emergency department visits
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.
Notice bibliographique
Résumé
OBJECTIVES: This study describes the proportion of emergency department (ED) returns within 7 days due to adverse events, defined as adverse outcomes related to healthcare received. DESIGN: Prospective cohort study. SETTING: We used an electronically triggered adverse event surveillance system at a tertiary care ED from May to June 2010 to examine ED returns within 7 days of index visit. PARTICIPANTS: One of three trained nurses determined whether the visit was related to index emergency care. For such records, one of three trained emergency physicians conducted adverse event determinations. MAIN OUTCOME MEASURE: We determined adverse event type and severity and analysed the data with descriptive statistics, χ(2) tests and logistic regression. RESULTS: Of 13,495 index ED visits, 923 (6.8%) were followed by ED returns within 7 days. The median age of all patients was 47 years and 52.8% were women. After nursing review, 211 cases required physician review. Of these, 53 visits were adverse events (positive predictive value (PPV)=5.7%, 95% CI 4.4% to 7.4%) and 30 (56.6%) were preventable. Common adverse event types involved management, diagnostic or medication issues. We observed one potentially preventable death and 58.5% of adverse events resulting in transient disability. The PPV of a modified trigger with a cut-off of return within 72 h, resulting in admission was 11.9% (95% CI 6.8% to 18.9%). CONCLUSIONS: Our electronic trigger efficiently identified adverse events among 12% of patients with ED returns within 72 h, requiring hospital admission. Given the high degree of preventability of the identified adverse events, this trigger also holds promise as a performance measurement tool.
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 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 | 0,003 | 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 | 0,000 |
| 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) | 0,001 | 0,001 |
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 découle