Characteristics of patients with acute traumatic brain injury discharged against medical advice in a Level 1 urban trauma centre
Notice bibliographique
Résumé
PRIMARY OBJECTIVE: To predict which characteristics are associated with patients at risk of discharge against medical advice (AMA). RESEARCH DESIGN: Data were retrospectively collected on individuals (n = 5642) admitted to the Traumatic Brain Injury Program of the MUHC-MGH. METHODS AND PROCEDURES: Outcome measures used were length of stay (LOS), the Extended Glasgow Outcome Scale (GOSE) as well as the Functional Independence Measure (FIM®). MAIN OUTCOMES: The overall rate of patients leaving AMA was 1.9% (n = 108). Age was negatively associated with AMA discharge (95% CI OR = [0.966;0.991]). Patients with a history of substance abuse were ∼2-times more likely to leave AMA than those not using substances before injury (95% CI OR = [1.172;3.314]) and the homeless were ∼3-times more likely to leave AMA compared to those who were not homeless (95% CI OR = [1.260;7.138]). Length of stay (LOS) was shorter for patients leaving AMA (p < 0.001) and they showed better outcome (GOSE: p < 0.001; FIM: p = 0.032). CONCLUSIONS: Knowing the profile of patients with TBI leaving AMA hospitalized in an urban Level 1 Trauma centre will help in the development of effective strategies based on patient needs, values and pre-injury psychosocial situation to encourage them to complete their treatment course in hospital.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».