The impact of multiple chronic diseases on hospitalizations for ambulatory care sensitive conditions
Notice bibliographique
Résumé
BACKGROUND: The high financial burden of avoidable hospitalizations has led to an increase of the study of hospitalizations for ambulatory care sensitive conditions (ACSC). There is limited information on the impact of secondary diagnoses on these hospitalizations, although patients' social and demographic characteristics, as well as the coexistence of multiple diseases are often identified in the literature as risk factors for avoidable hospitalizations. This study explores the impact of chronic conditions on the likelihood of hospitalizations for ACSC. METHODS: Data were extracted from the Portuguese hospital discharge database. Avoidable hospitalizations were identified according to the Canadian Institute for Healthcare Information, and chronic conditions were identified according to criteria set by the Agency for Healthcare Research and Quality. A retrospective study analysing all patients hospitalized for an ACSC and all patients hospitalized for non-ACSC was made, using multiple logistic regression models to identify the impact of chronic conditions on the risk of admission. RESULTS: The risk of an avoidable hospitalization increases by a factor of 1.35 (95 % CI [1.34;1.35]) for each additional chronic condition, and 1.55 (95 % CI [1.55;1.56]) for each additional body system affected. The respiratory and circulatory systems have the most impact on the risk of ACSC, increasing the risk by 8.72 (95 % CI [8.58;8.86]) and 3.01 (95 % CI [2.95;3.06]), respectively. CONCLUSIONS: The number of chronic conditions and the body systems affected increase the risk of hospital admissions for ACSC.
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 | 0,000 |
| 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 | 0,004 | 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 ».