MétaCan
Menu
Retour à la cohorte
Enregistrement W2500869109 · doi:10.1186/s12913-016-1524-1

Post-acute pathways among hip fracture patients: a system-level analysis

2016· article· en· W2500869109 sur OpenAlexafffundabout
Kristen Pitzul, Walter P. Wodchis, Hans J. Kreder, Jennifer Voth, Susan Jaglal

Notice bibliographique

RevueBMC Health Services Research · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueHip and Femur Fractures
Établissements canadiensUniversity of New BrunswickInstitute for Clinical Evaluative SciencesToronto Rehabilitation InstituteUniversity of Toronto
Organismes subventionnairesUniversity of TorontoToronto Rehabilitation InstituteOntario Ministry of Health and Long-Term CareInstitute for Clinical Evaluative Sciences
Mots-clésMedicineHip fractureAcute careRehabilitationHealth careHealth administrationComorbidityPublic healthEmergency medicinePhysical therapyOsteoporosisInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hip fractures among older adults are one of the leading causes of hospitalization and result in significant morbidity, mortality, and health care use. Guidelines suggest that rehabilitation after surgery is imperative to return patients to pre-morbid function. However, post-acute care (which encompasses rehabilitation) is currently delivered in a multitude of settings, and there is a lack of evidence with regards to which hip fracture patients should use which post-acute settings. The purpose of this study is to describe hip fracture patient characteristics and the most common post-acute pathways within a 1-year episode of care, and to examine how these vary regionally within a health system. METHODS: This study took place in the province of Ontario, Canada, which has 14 health regions and universal health coverage for all residents. Administrative health databases were used for analyses. Community-dwelling patients aged 66 and over admitted to an acute care hospital for hip fracture between April 2008 and March 2013 were identified. Patients' post-acute destinations within each region were retrieved by linking patients' records within various institutional databases using a unique encoded identifier. Post-acute pathways were then characterized by determining when each patient went to each post-acute destination within one year post-discharge from acute care. Differences in patient characteristics between regions were detected using standardized differences and p-values. RESULTS: Thirty-six thousand twenty nine hip fracture patients were included. The study cohort was 71.9 % female with a mean age of 82.9 (±7.5SD). There was significant variation between regions with respect to the immediate post-acute discharge destination: four regions discharged a substantially higher proportion of their patients to inpatient rehabilitation compared to all others. However, the majority of patient characteristics between those four regions and all other regions did not significantly differ. There were 49 unique post-acute pathways taken by patients, with the largest proportion of patients admitted to either community-based or short-term institutionalized rehabilitation, regardless of region. CONCLUSIONS: The observation that similar hip fracture patients are discharged to different post-acute settings calls into question both the appropriateness of care delivered in the post-acute period and health system expenditures. As policy makers continue to develop performance-based funding models to increase accountability of institutions in the provision of quality care to hip fracture patients, ensuring patients receive appropriate rehabilitative care is a priority for health system planning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,667

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,382
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetHip and Femur FracturesTravaux en français237 207