Associations of medical comorbidity, psychosis, pain, and capacity with psychiatric hospital length of stay in geriatric inpatients with and without dementia
Notice bibliographique
Résumé
BACKGROUND: Geriatric psychiatry hospital beds are a limited resource. Our aim was to determine predictors of hospital length of stay (LOS) for geriatric patients with dementia admitted to inpatient psychiatric beds. METHODS: Admission and discharge data from a large urban mental health center, from 2005 to 2010 inclusive, were retrospectively analyzed. Using the resident assessment instrument - mental health (RAI-MH), an assessment that is used to collect demographic and clinical information within 72 hours of hospital admission, 169 geriatric patients with dementia were compared with 308 geriatric patients without dementia. Predictors of hospital LOS were determined using a series of general linear models. RESULTS: A diagnosis of dementia did not predict a longer LOS in this geriatric psychiatry inpatient population. The presence of multiple medical co-morbidities had an inverse relationship to length of hospital LOS - a greater number of co-morbidities predicted a shorter hospital LOS in the group of geriatric patients who had dementia compared to the without dementia study group. The presence of incapacity and positive psychotic symptoms predicted longer hospital LOS, irrespective of admission group (patients with dementia compared with those without). Conversely, pain on admission predicted shorter hospital LOS. CONCLUSIONS: Specific clinical characteristics generally determined at the time of admission are predictive of hospital LOS in geriatric psychiatry inpatients. Addressing these factors early on during admission and in the community may result in shorter hospital LOS and more optimal use of resources.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».