The Relationship Between Frailty and the Subjective Decision to Conduct a Goals of Care Discussion With Burned Elders
Notice bibliographique
Résumé
Best practices are to conduct an early discussion of goals of care (GoC) after injury in the elderly, but this intervention is inconsistently applied. We hypothesized that a frail appearance was a factor in the decision to conduct a GoC discussion after thermal injury. A retrospective review was performed of all burn survivors aged ≥ 65 years at our American Burn Association (ABA)-verified level 1 burn center between April 02, 2009, and December 30, 2014. Demographic information included age, gender, mechanism of injury, percentage TBSA burned, revised Baux score, patient/physician racial discordance, documented GoC discussion (as defined within the electronic medical record), length of stay (LOS), and disposition. One rater retrospectively assigned clinical frailty scores to patients using the Canadian Study of Health and Aging Criteria, which ranged from 1 (very fit) to 7 (severely frail). Ordinal logistic regression was performed. Demographics for the cohort of 126 subjects were (mean ± SD): age = 75.5 ± 7.7 years, %TBSA burned = 11.9% ± 7.2, revised Baux = 87.8 ± 10.2, hospital LOS (days) = 14.9 ± 13.7, Intensive Care Unit (ICU) LOS (days) = 6.2 ± 1.2, frailty score = 4.1 ± 1.1. Overall, 72% of geriatric survivors had a favorable discharge disposition. GoC discussions occurred in 25% of patients. GoC discussion (OR, 3.42; 95% CI, 1.54-7.60) and an unfavorable disposition (OR, 9.01; 95% CI, 3.91-20.78) were associated with greater predicted odds of receiving a higher ordered frailty score. Our results suggest that, even in the absence of a formal diagnosis, a frail appearance may influence a provider's decision to perform GoC discussions after severe thermal injury.
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 | 0,003 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».