A longitudinal cohort study evaluating the impact of a geriatrician-led residential care outreach service on acute healthcare utilisation
Notice bibliographique
Résumé
BACKGROUND: over the last decade, high demand for acute healthcare services by long-term residents of residential care facilities (RCFs) has stimulated interest in exploring alternative models of care. The Residential Care Intervention Program in the Elderly (RECIPE) service provides expert outreach services to RCFs residents, interventions include comprehensive care planning, management of inter-current illness and rapid access to acute care substitution services. OBJECTIVE: to evaluate whether the RECIPE service decreased acute healthcare utilisation. DESIGN: a retrospective cohort study using interrupted time series analysis to analyse change in acute healthcare utilisation before and after enrolment. SETTING: a 300-bed metropolitan teaching hospital in Australia and 73 RCFs within its catchment. SUBJECTS: there were 1,327 patients enrolled in the service with a median age of 84 years; 61% were female. METHODS: data were collected prospectively on all enrolled patients from 2004 to 2011 and linked to the acute health service administrative data set. Primary outcomes change in admission rates, length of stay and bed days per quarter. RESULTS: in the 2 years prior to enrolment, the mean number of acute care admissions per patient per year was 3.03 (SD 2.9) versus post 2.4 (SD 3.3), the service reducing admissions by 0.13 admissions per patient per quarter (P = 0.046). Prior to enrolment, the mean length of stay was 8.6 (SD 11.0) versus post 3.5 (SD 5.0), a reduction of 1.5 days per patient per quarter (P = 0.003). CONCLUSIONS: this study suggests that an outreach service comprising a geriatrician-led multidisciplinary team can reduce acute hospital utilisation rates.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 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 ».