Patient characteristics, resource use and outcomes associated with general internal medicine hospital care: the General Medicine Inpatient Initiative (GEMINI) retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: The precise scope of hospital care delivered under general internal medicine services remains poorly quantified. The purpose of this study was to describe the demographic characteristics, medical conditions, health outcomes and resource use of patients admitted to general internal medicine at 7 hospital sites in the Greater Toronto Area. METHODS: This was a retrospective cohort study involving all patients who were admitted to or discharged from general internal medicine at the study sites between Apr. 1, 2010, and Mar. 31, 2015. Clinical data from hospital electronic information systems were linked to administrative data from each hospital. We examined trends in resource use and patient characteristics over the study period. RESULTS: There were 136 208 admissions to general internal medicine involving 88 121 unique patients over the study period. General internal medicine admissions accounted for 38.8% of all admissions from the emergency department and 23.7% of all hospital bed-days. Over the study period, the number of admissions to general internal medicine increased by 32.4%; there was no meaningful change in the median length of stay or cost per hospital stay. The median patient age was 73 (interquartile range [IQR] 57-84) years, and the median number of coexisting conditions was 6 (IQR 3-9). The median acute length of stay was 4.6 (IQR 2.5-8.6) days, and the median total cost per hospital stay was $5850 (IQR $3915-$10 061). Patients received at least 1 computed tomography scan in 52.2% of admissions. The most common primary discharge diagnoses were pneumonia (5.0% of admissions), heart failure (4.7%), chronic obstructive pulmonary disease (4.1%), urinary tract infection (4.0%) and stroke (3.6%). INTERPRETATION: Patients admitted to general internal medicine services represent a large, heterogeneous, resource-intensive and growing population. Understanding and improving general internal medicine care is essential to promote a high-quality, sustainable health care system.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».