Characterizing Types of Readmission After Acute Coronary Syndrome Hospitalization: Implications for Quality Reporting
Notice bibliographique
Résumé
BACKGROUND: Thirty-day readmission rates have been tied to hospital reimbursement in the United States, but remain controversial as measures of healthcare quality. We profile the timing, main diagnoses, and survival outcomes of inpatient and emergency department readmissions after acute coronary syndrome (ACS), based on a large regional database. METHODS AND RESULTS: Patients enrolled in the Alberta Provincial Project for Outcomes Assessment in Coronary Heart Disease (APPROACH) registry with an ACS hospitalization between April 2008 and March 2010 (n=3411) were included. Primary outcomes were inpatient and emergency department-only readmissions, at 30 days and 1 year. Predictors of 30-day readmission were identified, and the association between 30-day readmission status and mortality was evaluated. A total of 1170 (34.3%) patients had ≥1 hospital readmission within 30 days, reaching 2106 (61.7%) within 1 year of ACS discharge. Of first readmissions, 45% were emergency department only and 53% were for cardiovascular or possibly related diagnoses. Renal disease and diabetes predicted all-cause readmissions at 30 days and 1 year, but there were no robust predictors of cardiovascular readmissions. Thirty-day inpatient, but not emergency department, readmissions were associated with increased mortality. CONCLUSIONS: Hospital readmissions within 30 days after discharge for ACS are common, and associated with increased mortality. However, our findings underline that readmissions are quite heterogeneous in nature, and that many readmissions are unrelated to index stay and thus not easily predicted with common clinical variables. All-cause 30-day readmission rates may be too simplistic, and perhaps even misleading, as a hospital performance metric.
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 | 0,001 |
| 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 | 0,000 | 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 ».