Incidence and predictors of 30‐day postoperative readmission in children
Notice bibliographique
Résumé
BACKGROUND: Hospital readmissions are being used as a quality metric for hospital reimbursement without a clear understanding of the factors that contribute to readmission. OBJECTIVE: The objective of this study was to report the incidence of 30-day postsurgical readmission in children, identify the predictors for readmission, and create an algorithm to identify high-risk children. METHODS: Data from the 2012-2014 Pediatric database of the American College of Surgeons National Surgical Quality Improvement Program were analyzed using univariable and multivariable logistical regression analysis. RESULTS: Among 182 589 children included in the 2012-2014 American College of Surgeons National Surgical Quality Improvement Program Pediatric database, 4.8% (8815/182 589) experienced a readmission within 30 days. Four significant predictors were retained in the multivariable logistic regression model: American Society of Anesthesiologists physical status ≥ 3 (OR: 1.9, 95% CI: 1.8-2.0), presence of congenital heart disease (OR: 1.66, 95% CI: 1.31-2.11), inpatient status at time of surgery (OR: 3.5, 95% CI: 3.3-3.7), and at least 1 postoperative complication (neurologic, renal, wound, cardiac, bleeding, or pulmonary) (OR: 3.14, 95% CI: 2.92-3.34). The multivariable logistic regression model showed reasonably good discrimination in predicting 30-day readmissions with receiver operating characteristic area under the curve of 0.747 (95% CI: 0.73-0.75) and good calibration (Brier score: 0.044). We created a predictive algorithm of 30-day readmission based on the 4 significant predictors. CONCLUSION: Children with congenital heart disease, high American Society of Anesthesiologist physical class, inpatient status, and at least 1 postoperative complication of any kind are at high risk for postsurgical readmissions. We provide an algorithm for quantifying this risk with the goal of reducing the number of readmissions, improving the care of patients with complex chronic illnesses, and reducing hospital costs.
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 | 0,000 |
| 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 ».