Factors affecting discharge destination following lung transplantation
Notice bibliographique
Résumé
BACKGROUND: Lung transplant (LT) recipients requiring additional care may be referred to inpatient rehabilitation prior to discharge home. This study seeks to describe discharge destinations following LT, compare the characteristics of patients discharged to different destinations, and identify the predictors of discharge destination. METHODS: Retrospective study of 243 LT recipients who survived to hospital discharge between 2006 and 2009. LT recipients were compared based on discharge destination on data pertaining to demographics, clinical characteristics, and healthcare utilization. RESULTS: Of the 243 recipients, 197 (81%) were discharged home, 42 (17%) to inpatient rehabilitation, and 4 (2%) to other medical facilities. Age, pulmonary diagnosis, most recent six-minute walk distance (6 MWD) prior to transplant, pre-transplant mechanical ventilation, priority listing status, pre- and post-transplant intensive care unit length of stay (ICU LOS), post-transplant LOS, total LOS, and participation in pre-transplant rehabilitation were statistically different between patients that were discharged home versus inpatient rehabilitation. Age, most recent 6 MWD prior to transplant, pre-transplant mechanical ventilation, and total LOS were found to be independent predictors of discharge destination. CONCLUSION: Clinical factors can help identify patients more likely to require inpatient rehabilitation. Identification of these factors has the potential to facilitate early discharge planning and optimize continuity of care.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».