Constructing episodes of inpatient care: data infrastructure for population-based research
Notice bibliographique
Résumé
BACKGROUND: Databases used to study the care of patients in hospitals and Intensive Care Units (ICUs) typically contain a separate entry for each segment of hospital or ICU care. However, it is not uncommon for patients to be transferred between hospitals and/or ICUs, and when transfers occur it is necessary to combine individual entries to accurately reconstruct the complete episodes of hospital and ICU care. Failure to do so can lead to erroneous lengths-of-stay, and rates of admissions, readmissions, and death. METHODS: This study used a clinical ICU database and administrative hospital abstracts for the adult population of Manitoba, Canada from 2000-2008. We compared five methods for identifying patient transfers and constructing hospital episodes, and the ICU episodes contained within them. Method 1 ignored transfers. Methods 2-5 considered the time gap between successive entries (≤1 day vs. ≤2 days), with or without use of data fields indicating inter-hospital transfer. For the five methods we compared the resulting number and lengths of hospital and ICU episodes. RESULTS: During the study period, 48,551 hospital abstracts contained 53,246 ICU records. For Method 1 these were also the number of hospital and ICU episodes, respectively. Methods 2-5 gave remarkably similar results, with transfers included in approximately 25% of ICU-containing hospital episodes, and 10% of ICU episodes. Comparison with Method 1 showed that failure to account for such transfers resulted in overestimating the number of episodes by 7-10%, and underestimating mean or median lengths-of-stay by 9-30%. CONCLUSIONS: In Manitoba is it not uncommon for critically ill patients to be transferred between hospitals and between ICUs. Failure to account for transfers resulted in inaccurate assessment of parameters relevant to researchers, clinicians, and policy-makers. The details of the method used to identify transfers, at least among the variations tested, made relatively little difference. In addition, we showed that these methods for constructing episodes of hospital and ICU care can be implemented in a large, complex dataset.
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 | 0,070 | 0,207 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,025 | 0,037 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».