Hospital Length of Stay After Admission for Traumatic Injury in Canada
Notice bibliographique
Résumé
OBJECTIVE: To describe acute care length of stay (LOS) over all consecutive hospitalizations for the injury and according to level of care [intensive care unit (ICU), intermediate care, general ward], compare observed and expected LOS, and identify predictors of LOS. BACKGROUND: Prolonged LOS has important consequences in terms of costs and outcome, yet detailed information on LOS after trauma is lacking. METHODS: This multicenter retrospective cohort study was based on adults discharged alive from a Canadian trauma system (1999-2010; n = 126,513). Registry data were used to calculate index LOS (LOS in trauma center with highest designation level) and were linked to hospital discharge data to calculate total LOS (all consecutive hospitalizations for the injury). Expected LOS was obtained by matching general provincial discharge statistics to study data by year, age, and sex. Potential predictors of LOS were evaluated using linear regression. RESULTS: Mean index and total LOS were 8.6 and 9.4 days, respectively. ICU, intermediate care unit, and general ward care constituted 8.9%, 2.5%, and 88.6% of total hospital days. Observed mean index and ICU LOS in our trauma patients were 2.9 and 1.3 days longer than expected LOS (P < 0.0001). The strongest determinants of index LOS were discharge destination, age, transfer status, and injury severity. CONCLUSIONS: Results suggest that acute care LOS after injury is underestimated when only information on the index hospitalization is used and that ICU or intermediate care constitute an important part of LOS. This information should be used to inform the development of an informative and actionable quality indicator.
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 | 0,000 | 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 | 0,000 | 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 ».