MétaCan
Menu
Retour à la cohorte
Enregistrement W2551399167 · doi:10.14740/jocmr2792w

Predictors of Recurrent Hospital Admission for Patients Presenting With Diabetic Ketoacidosis and Hyperglycemic Hyperosmolar State

2016· article· en· W2551399167 sur OpenAlexvenueno aff
Annabel L. Bradford, Courtney Champagne Crider, Xizheng Xu, S. Hasan Naqvi

Notice bibliographique

RevueJournal of Clinical Medicine Research · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDiabetes and associated disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDiabetic ketoacidosisLogistic regressionOdds ratioRetrospective cohort studyDiabetes mellitusAlcohol abuseDepression (economics)Psychological interventionEmergency medicineOddsPediatricsInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Diabetic ketoacidosis (DKA) and hyperglycemic hyperosmolar state (HHS) are two serious, preventable complications of diabetes mellitus. Analysis of variables associated with recurrent DKA and HHS admission has the potential to improve patient outcomes by identifying possible areas for intervention. The aim of this study was to evaluate potential predictors of recurrent DKA or HHS admission. METHODS: This was a retrospective case-control study of 367 patients presenting during a 5-year period with DKA or HHS at a US tertiary academic medical center. Six potential readmission risk factors identified via literature review were coded as "1" if present and "0" if absent. Readmission odds ratios (ORs) for each risk factor and for the combined score of significant risk factors were calculated by logistic regression. RESULTS: Readmission odds were significantly increased for patients with age < 35, history of depression or substance/alcohol abuse, and self-pay/publicly funded insurance. HbA1C > 10.6% on admission and ethnic minority status did not significantly increase readmission odds, with inadequate study power for these variables. A total "ABCD" score, based on Age (< 35 years), Behavioral health (depression), insurance Coverage (self-pay/publicly funded insurance), and Drug/alcohol abuse, also had a significant effect on readmission odds. CONCLUSIONS: Consideration of individual risk factors and the use of a scoring system based on objective predictors of recurrent DKA and HHS admission could be of value in helping identify patients with high readmission risk, allowing interventions to be targeted most effectively to reduce readmission rates, associated morbidity, and mortality.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,036
Tête enseignante GPT0,385
Écart entre enseignants0,350 · 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 source (Gemma direct ou Codex distillé), 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

Citations49
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine ResearchMême sujetDiabetes and associated disordersTravaux en français237 207