MétaCan
Menu
Retour à la cohorte
Enregistrement W2763232607 · doi:10.5489/cuaj.4370

Never events and hospital-acquired conditions after kidney transplant

2017· article· en· W2763232607 sur OpenAlexvenueno aff
Zhobin Moghadamyeghaneh, Linda J. Chen, Mahmoud Alameddine, Anupam Gupta, George W. Burke, Gaetano Ciancio

Notice bibliographique

RevueCanadian Urological Association Journal · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineOdds ratioUrinary systemKidney transplantationMedicaidLogistic regressionRetrospective cohort studyRenal functionKidney transplantInternal medicineTransplantationEmergency medicineSurgeryHealth care

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Never events (NE) and hospital-acquired conditions (HAC) after surgery have been designated as quality metrics in health-care by the Centres for Medicare and Medicaid Services (CMS). METHODS: The Nationwide Inpatient Sample (NIS) database 2002-2012 was used to identify patientswho underwent kidney transplant. Multivariate analysis using logistic regression was used to identify outcomes and risk factors of HAC and NE after transplantation; however, we were limited by using a retrospective database missing some important variables specified for the kidney transplant, such as some operative factors, donor factors, and cold and warm ischemia times. RESULTS: Among 35 058 patients who underwent kidney transplant, there were 11 NEs, all of which were due to retained foreign bodies. Among HAC after surgery, falling was the most common (44.9%), followed by poor glycemic control (21.7%), vascular catheter-associated infection (21%), and catheter-associated urinary tract infection (8%). HAC and NE after surgery lead to a significant increase in mortality (adjusted odds ratio [AOR] 2.49; p=0.04), hospitalization length (13 vs. 7 days; p<0.01), and total hospital charges ($231 801 vs. $146 717; p<0.01). A significantly higher risk of HAC or NE was seen for patients who had more loss of function before surgey (AOR 3.25; p<0.01) and patients expected to have higher postoperative mortality before operation (AOR 1.62; p=0.03). CONCLUSIONS: Despite the limitations of the study, we found HAC and NE significantly increase mortality, hospitalization length, and total hospital charges of kidney transplant patients. Quality improvement initiatives should target HAC and NE in order to successfully reduce or prevent these events.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,252
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Urological Association JournalMême sujetRenal Transplantation Outcomes and TreatmentsTravaux en français237 207