Associations between patient factors and adverse events in the home care setting: a secondary data analysis of two canadian adverse event studies
Notice bibliographique
Résumé
BACKGROUND: Early identification of patients at who have a higher risk for the occurrence of harm can provide patient safety improvement opportunities. Patient factors contribute to adverse event occurrence. The study aim was to identify a single, parsimonious model of home care patient factors that, regardless of location and differences in home care program management and design factors, could provide a means of locating patients at higher and lower risk of harm. METHODS: Split modeling using secondary analyses of data from two recent Canadian home care patient safety studies was undertaken. Patient factors from the Minimum Data Set Resident Assessment Instrument (RAI) for Home Care and diagnoses consistent with ICD-10 and RAI-Mental Health assessment were used. Continuous and categorical measures of factors were considered. Adverse events were defined using World Health Organization taxonomy and measured on a dichotomous yes/no scale. Patient factors significantly associated (Pearson's Chi Square, p ≤ .05) with the occurrence of adverse events in both earlier studies were entered in forward selection regression analyses to locate factors predictive of adverse event occurrence. RESULTS: Instrumental activities of daily living dependency and escalating co-morbidity counts are associated with patient vulnerability to adverse events. CONCLUSIONS: Instrumental activities of daily living dependency and burden of illness, both easily identifiable early in the episode of care, are significantly associated with the risk of adverse event occurrence, however there is regional variability in the relationships.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,006 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».