Performance of the LACE index to identify elderly patients at high risk for hospital readmission in Singapore
Notice bibliographique
Résumé
Unplanned readmissions may be avoided by accurate risk prediction and appropriate resources could be allocated to high risk patients. The Length of stay, Acuity of admission, Charlson comorbidity index, Emergency department visits in past six months (LACE) index was developed to predict hospital readmissions in Canada. In this study, we assessed the performance of the LACE index in a Singaporean cohort by identifying elderly patients at high risk of 30-day readmissions. We further investigated the use of additional risk factors in improving readmission prediction performance.Data were extracted from the hospital's electronic health records (EHR) for all elderly patients ≥ 65 years, with alive-discharge episodes from Singapore General Hospital in 2014. In addition to LACE, we also collected patients' data during the index admission, including demographics, medical history, laboratory results, and previous medical utilization.Among the 17,006 patients analyzed, 2051 or 12.1% of them were observed 30-day readmissions. The final predictive model was better than the LACE index in terms of discriminative ability; c-statistic of LACE index and final logistic regression model was 0.595 and 0.628, respectively.The LACE index had poor discriminative ability in identifying elderly patients at high risk of 30-day readmission, even if it was augmented with additional risk factors. Further studies should be conducted to discover additional factors that may enable more accurate and timely identification of patients at elevated risk of readmissions, so that necessary preventive actions can be taken.
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 | 0,001 |
| 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) | 0,000 | 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 ».