Impact of an Integrated Hip Fracture Inpatient Program on Length of Stay and Costs
Notice bibliographique
Résumé
BACKGROUND: Hip fractures are associated with significant morbidity and mortality. Co-management models pairing orthopaedic surgeons with hospitalists or geriatricians may be effective at improving processes of care and outcomes such as length of stay (LOS) and cost. We set out to determine the effect of an integrated hip fracture co-management model on LOS, cost, and process measures. METHODS: We conducted a single-center pre-post study of 571 patients admitted to an academic medical center with hip fractures between January 2009 and December 2013. The group receiving an integrated medical-surgical co-management incorporating continuous improvement methodology was compared with a control population. Primary outcome was LOS. Secondary outcomes included cost per case, time to surgery, osteoporosis (OP) treatment, preoperative echocardiogram utilization, mortality, and readmission. RESULTS: LOS decreased from 18.2 (1.1) to 11.9 (1.5) days, a reduction of 6.3 days (P < 0.001). Mean cost decreased by $4953 (P < 0.001) per case. Mean time to surgery decreased from 45.8 (66.8) to 29.7 (17.9) hours (P < 0.001). Initiation of OP treatment increased from 55.8% to 96.4% (P < 0.001). Preoperative echocardiogram use decreased from 15.8% to 9.1% (P < 0.05). There was a nonsignificant difference in mortality rate (5.0% vs. 2.1%, P = 0.06). Readmission rate remained unchanged (4.6% vs. 6.0%, P = 0.56). CONCLUSIONS: An integrated medical-surgical co-management model incorporating continuous improvement methodology was associated with reduced LOS, costs, time to surgery, and increased initiation of appropriate OP treatment. LEVEL OF EVIDENCE: Therapeutic Level IV. See Instructions for Authors for a complete description of levels of evidence.
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 | 0,000 |
| 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 ».