Factors Associated With the Increasing Rates of Discharges Directly Home From Intensive Care Units—A Direct From ICU Sent Home Study
Notice bibliographique
Résumé
Objectives: To evaluate the relationship between rates of discharge directly to home (DDH) from the intensive care unit (ICU) and bed availability (ward and ICU). Also to identify patient characteristics that make them candidates for safe DDH and describe transfer delay impact on length of stay (LOS). Methods: Retrospective cohort study of all adult patients who survived their stay in our medical–surgical–trauma ICU between April 2003 and March 2015. Results: Median age was 49 years (interquartile range [IQR]: 33.5-60.4), and the majority of the patients were males (54.8%). Median number of preexisting comorbidities was 5 (IQR: 2-7) diagnoses. Discharge directly to home increased from 28 (3.1% of all survivors) patients in 2003 to 120 (12.5%) patients in 2014. The mean annual rate of DDH was between 11% and 12% over the last 6 years. Approximately 62% (n = 397) of patients waited longer than 4 hours for a ward bed, with a median delay of 2.0 days (IQR: 0.5-4.7) before being DDH. There was an inverse correlation between ICU occupancy and DDH rates ( r P = −.55, P < .0001, 95% confidence interval [CI] = −0.36 to −0.69, R 2 = .29). There was no correlation with ward occupancy and DDH rates ( r s = −.055, P = .64, 95% CI = −0.25 to 0.21). Conclusions: The DDH rates have been increasing over time at our institution and were inversely correlated with ICU bed occupancy but were not associated with ward occupancy. The DDH patients are young, have few comorbidities on admission, and few discharge diagnoses, which are usually reversible single system problems with low disease burden. Transfers to the ward are delayed in a majority of cases, leading to increased ICU LOS and likely increased overall hospital LOS as well.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».