Proportion of neonatal readmission attributed to length of stay for childbirth: a population-based cohort study
Notice bibliographique
Résumé
OBJECTIVE: Most literature on length of stay (LOS) for childbirth focuses on 'early' discharge as opposed to 'optimal' time of discharge and has conflicting results due to heterogeneous definitions of 'early' discharge and differing eligibility criteria for these programmes. We aimed to determine the LOS associated with the lowest neonatal readmission rate following childbirth by examining the incidence pattern of neonatal readmission for different LOS using the Kitagawa decomposition. DESIGN: Retrospective cohort study using administrative hospitalisation data. SETTING: Canada (excluding Quebec) from 2003 to 2010. PATIENTS: Term, singleton live births without congenital anomalies. INTERVENTIONS: LOS for childbirth. MAIN OUTCOME MEASURE: Neonatal readmissions within 30 days of birth. RESULTS: 1 875 322 live births were included. Neonatal LOS peaked at day 1 (47.3%) after vaginal birth and day 3 (49.3%) following caesarean section; 4.2% of infants were readmitted following vaginal birth and 2.2% after caesarean section. In 2008-2010, most readmissions occurred among infants discharged in the first 2 days (83.8%) following a vaginal birth and among infants discharged in the first 3 days (81.7%) following a caesarean birth. Readmissions increased from 4.1% in 2003-2005 to 4.6% in 2008-2010 among vaginal births and from 2.0% to 2.4% among caesarean births and occurred mostly due to changes in the day-specific readmission rates and not due to reductions in LOS. CONCLUSIONS: Patterns of readmission suggest that readmission rates are lowest following a 1-2-day stay following a vaginal birth and a 2-4-day stay following a caesarean birth given the outpatient support in the community.
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 | 0,000 | 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 ».