MétaCan
Menu
Retour à la cohorte
Enregistrement W2090373984 · doi:10.1001/jamainternmed.2014.1503

Impact of an Intensive Care Unit Telemedicine Program on Patient Outcomes in an Integrated Health Care System

2014· article· en· W2090373984 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJAMA Internal Medicine · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesU.S. Department of Veterans Affairs
Mots-clésMedicineIntensive care unitIntensive careEmergency medicineObservational studyVeterans AffairsTelemedicineHealth careIntervention (counseling)Mortality rateIntensive care medicineNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

IMPORTANCE: Intensive care unit (ICU) telemedicine (TM) programs have been promoted as improving access to intensive care specialists and ultimately improving patient outcomes, but data on effectiveness are limited and conflicting. OBJECTIVE: To examine the impact of ICU TM on mortality rates and length of stay (LOS) in an integrated health care system. DESIGN, SETTING, AND PARTICIPANTS: Observational pre-post study of patients treated in 8 "intervention" ICUs (7 hospitals within the US Department of Veterans Affairs health care system) during 2011-2012 that implemented TM monitoring during the post-TM period as well as patients treated in concurrent control ICUs that did not implement an ICU TM program. INTERVENTION: Implementation of ICU TM monitoring. MAIN OUTCOMES AND MEASURES: Unadjusted and risk-adjusted ICU, in-hospital, and 30-day mortality rates and ICU and hospital LOS for patients who did or did not receive treatment in ICUs equipped with TM monitoring. RESULTS: Our study included 3355 patients treated in our intervention ICUs (1708 in the pre-TM period and 1647 in the post-TM period) and 3584 treated in the control ICUs during the same period. Patient demographics and comorbid illnesses were similar in the intervention and control ICUs during the pre-TM and post-TM periods; however, predicted ICU mortality rates were modestly lower for admissions to the intervention ICUs compared with control ICUs in both the pre-TM (3.0% vs 3.6%; P = .02) and post-TM (2.8% vs 3.5%; P < .001) periods. Implementation of ICU TM was not associated with a significant decline in ICU, in-hospital, or 30-day mortality rates or LOS in unadjusted or adjusted analyses. For example, unadjusted ICU mortality in the pre-TM vs post-TM periods were 2.9% vs 2.8% (P = .89) for the intervention ICUs and 4.0% vs 3.4% (P = .31) for the control ICUs. Unadjusted 30-day mortality during the pre-TM vs post-TM periods were 7.7% vs 7.8% (P = .91) for the intervention ICUs and 12.0% vs 10.2% (P = .08) for the control ICUs. Evaluation of interaction terms comparing the magnitude of mortality rate change during the pre-TM and post-TM periods in the intervention and control ICUs failed to demonstrate a significant reduction in mortality rates or LOS. CONCLUSIONS AND RELEVANCE: We found no evidence that the implementation of ICU TM significantly reduced mortality rates or LOS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,541
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,414
Écart entre enseignants0,380 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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