Age Is the Only Predictor of Poor Bowel Preparation in the Hospitalized Patient
Notice bibliographique
Résumé
We examine the impact of key variables on the likelihood of inpatient poor bowel preparation for colonoscopy. Records of inpatients that underwent colonoscopy at our institution between January 2010 and December 2011 were retrospectively extracted. Univariable and multivariable logistic regression models were fitted to assess the effect of clinical variables on the odds of poor preparation. Tested predictors included age; gender; use of narcotics; heavy medication burden; comorbidities; history of previous abdominal surgery; neurological disorder; product used for bowel preparation, whether or not the bowel regimen was given as split or standard dose; and time of endoscopy. Overall, 244 patients were assessed including 83 (34.0%, 95% CI: 28.1-39.9%) with poor bowel preparation. Cecal intubation was achieved in 81.1% of patients (95% CI: 76.2-86.0%). When stratified by quality of bowel preparation, cecal intubation was achieved in only 65.9% (95% CI: 60.0-71.9%) of patients with poor bowel preparation and 89.9% (95% CI: 86.1-93.7%) of patient with good bowel preparation. In multivariate logistic regression analysis, only advancing age was an independent predictor of poor bowel preparation (OR = 1.026, CI: 1.006 to 1.045, and p = 0.008). Age is the only independent predictor of poor bowel preparation amongst hospitalized patients.
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 ».