Contributions of Children With Multiple Chronic Conditions to Pediatric Hospitalizations in the United States: A Retrospective Cohort Analysis
Notice bibliographique
Résumé
BACKGROUND: Children with multiple chronic conditions (CMCC) are increasingly using hospital care. We assessed how much of US pediatric inpatient care is used by CMCC and which chronic conditions are the key drivers of hospital use. METHODS: A retrospective analysis of all 2.3 million US acute-care hospital discharges in 2012 for children age 0 to 18 years in the Kids' Inpatient Database. The ∼4.5 million US hospitalizations for pregnancy, childbirth, and newborn and neonatal care were not assessed. We adapted the Agency for Healthcare Research and Quality's Chronic Condition Indicators to classify hospitalizations for children with no, 1, or multiple chronic conditions, and to determine which specific chronic conditions of CMCC are associated with high hospital resource use. RESULTS: Of all pediatric acute-care hospitalizations, 34.3% were of children with no chronic conditions, 36.5% were of those with 1 condition, and 29.3% were of CMCC. Of the $23.6 billion in total hospital costs, 19.7%, 27.4%, and 53.9% were for children with 0, 1, and multiple conditions, respectively, and similar proportions were observed for hospital days. The three populations accounted for the most hospital days were as follows: children with no chronic condition (20.9%), children with a mental health condition and at least 1 additional chronic condition (20.2%), and children with a mental health condition without an additional chronic condition (13.3%). The most common mental health conditions were substance abuse disorders and depression. CONCLUSIONS: CMCC accounted for over one-fourth of acute-care hospitalizations and one-half of all hospital dollars for US pediatric care in 2012. Substantial CMCC hospital resource use involves children with mental health-related conditions.
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 | 0,001 | 0,003 |
| 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 ».