Patterns of Hospitalization Risk for Women Surviving Into Very Old Age
Notice bibliographique
Résumé
BACKGROUND: By 2050, adults aged 80 years and over will represent around 20% of the global population. Little is known about how adults surviving into very old age use hospital services over time. OBJECTIVE: The objective of the study was to examine patterns of hospital usage over a 10-year period for women who were aged 84 to 89 in 2010 and examine factors associated with increased use. METHODS: Survey data from 1936 women from the 1921 to 1926 cohort of the Australian Longitudinal Study on Women's Health were matched with the state-based Admitted Patients Data Collection. Hospital use profiles were determined using repeated measures latent class analysis. RESULTS: Four latent class trajectories were identified. One-quarter of the sample were at low risk of hospitalization, while 20.6% demonstrated increased risk of hospitalization and a further 38.1% had moderate hospitalization risk over time. Only 16.8% of the sample was classified as having high hospitalization risk. Correlates of hospital use for very old women differed according to hospital use class and were contingent on the timing of exposure (ie, short-term or long-term). CONCLUSIONS: Despite the perception that older adults place a significant burden on health care systems, the majority of women demonstrated relatively low hospital use over an extended period, even in the presence of chronic health conditions. High hospitalization risk was found to be concentrated among a small minority of these long-term survivors. The findings suggest the importance of service planning and treatment regimes that take account of the diverse trajectories of hospital use into and through advanced old age.
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 | 0,003 |
| 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 | 0,000 | 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) | 0,001 | 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 ».