Risk Factors for Prolonged Length of Stay or Complications During Pediatric Respiratory Hospitalizations
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Respiratory illnesses are the leading cause of pediatric hospitalizations in the United States, and a major focus of efforts to improve quality of care. Understanding factors associated with poor outcomes will allow better targeting of interventions for improving care. The objective of this study was to identify patient and hospital factors associated with prolonged length of stay (LOS) or complications during pediatric hospitalizations for asthma or lower respiratory infection (LRI). METHODS: Cross-sectional study of hospitalizations of patients <18 years with asthma or LRI (bronchiolitis, influenza, or pneumonia) by using the nationally representative 2012 Kids Inpatient Database. We used multivariable logistic regression models to identify factors associated with prolonged LOS (>90th percentile) or complications (noninvasive ventilation, mechanical ventilation, or death). RESULTS: For asthma hospitalizations(n = 85 320), risks for both prolonged LOS and complications were increased with each year of age (adjusted odds ratio [AOR] 1.06, 95% confidence interval [CI] 1.05-1.07; AOR 1.05, 95% CI 1.03-1.07, respectively for each outcome) and in children with chronic conditions (AOR 4.87, 95% CI 4.15-5.70; AOR 21.20, 95% CI 15.20-29.57, respectively). For LRI hospitalizations (n = 204 950), risks for prolonged LOS and complications were decreased with each year of age (AOR 0.98, 95% CI 0.97-0.98; AOR 0.95, 95% CI 0.94-0.96, respectively) and increased in children with chronic conditions (AOR 9.86, 95% CI 9.03-10.76; AOR 56.22, 95% CI 46.60-67.82, respectively). Risks for prolonged LOS for asthma were increased in large hospitals (AOR 1.67, 95% CI 1.32-2.11) and urban-teaching hospitals (AOR 1.62, 95% CI 1.33-1.97). CONCLUSIONS: Older children with asthma, younger children with LRI, children with chronic conditions, and those hospitalized in large urban-teaching hospitals are more vulnerable to prolonged LOS and complications. Future research and policy efforts should evaluate and support interventions to improve outcomes for these high-risk groups (eg, hospital-based care coordination for children with chronic conditions).
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».