Long length of hospital stay in children with medical complexity
Notice bibliographique
Résumé
BACKGROUND: Hospitalizations of children with medical complexity (CMC) account for one-half of hospital days in children, with lengths of stays (LOS) that are typically longer than those for children without medical complexity. The objective was to assess the impact of, risk factors for, and variation across children's hospitals regarding long LOS (≥10 days) hospitalizations in CMC. METHODS: A retrospective study of 954,018 CMC hospitalizations, excluding admissions for neonatal and cancer care, during 2013 to 2014 in 44 children's hospitals. CMC were identified using 3M's Clinical Risk Group categories 6, 7, and 9, representing children with multiple and/or catastrophic chronic conditions. Multivariable regression was used to identify demographic and clinical characteristics associated with LOS ≥10 days. Hospital-level risk-adjusted rates of long LOS generated from these models were compared using a covariance test of the hospitals' random effect. RESULTS: Among CMC, LOS ≥10 days accounted for 14.9% (n = 142,082) of all admissions and 61.8% ($13.7 billion) of hospital costs. The characteristics most strongly associated with LOS ≥10 days were use of intensive care unit (ICU) (odds ratio [OR]: 3.5, 95% confidence interval [CI]: 3.4-3.5), respiratory complex chronic condition (OR: 2.7, 95% CI: 2.6-2.7), and transfer from another medical facility (OR: 2.1, 95% CI: 2.0-2.1). After adjusting for severity, there was significant (P < 0.001) variation in the prevalence of LOS ≥10 days for CMC across children's hospitals (range, 10.3%-21.8%). CONCLUSIONS: Long hospitalizations for CMC are costly. Their prevalence varies significantly by type of chronic condition and across children's hospitals. Efforts to reduce hospital costs in CMC might benefit from a focus on prolonged LOS. Journal of Hospital Medicine 2016;11:750-756. © 2016 Society of Hospital Medicine.
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) | 0,001 | 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 ».