Predictors of hospitalization of tuberculosis patients in Montreal, Canada: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Hospitalization is the most costly health system component of tuberculosis (TB) control programs. Our objectives were to identify how frequently patients are hospitalized, and the factors associated with hospitalizations and length-of-stay (LOS) of TB patients in a large Canadian city. METHODS: We extracted data from the Montreal TB Resource database, a retrospective cohort of all active TB cases reported to the Montreal Public Health Department between January 1996 and May 2007. Data included patient demographics, clinical characteristics, and dates of treatment and hospitalization. Predictors of hospitalization and LOS were estimated using logistic regression and Cox proportional hazards regression, respectively. RESULTS: There were 1852 active TB patients. Of these, 51% were hospitalized initially during the period of diagnosis and/or treatment initiation (median LOS 17.5 days), and 9.0% hospitalized later during treatment (median LOS 13 days). In adjusted models, patients were more likely to be hospitalized initially if they were children, had co-morbidities, smear-positive symptomatic pulmonary TB, cavitary or miliary TB, and multi- or poly-TB drug resistance. Factors predictive of longer initial LOS included having HIV, renal disease, symptomatic pulmonary smear-positive TB, multi- or poly-TB drug resistance, and being in a teaching hospital. CONCLUSIONS: We found a high hospitalization rate during diagnosis and treatment of patients with TB. Diagnostic delay due to low index of suspicion may result in patients presenting with more severe disease at the time of diagnosis. Earlier identification and treatment, through interventions to increase TB awareness and more targeted prevention programs, might reduce costly TB-related hospital use.
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) | 0,001 | 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 ».