Trends in Early Hospital Readmission After Kidney Transplantation, 2002 to 2014
Notice bibliographique
Résumé
BACKGROUND: Early hospital readmission (EHR) is associated with morbidity, mortality, and significant healthcare costs. However, trends over time in EHR events in kidney transplant recipients have not been examined. We conducted a population-based cohort study using linked healthcare databases from Ontario, Canada, to determine whether the EHR incidence has changed from 2002 to 2014 in kidney transplant recipients. METHODS: We defined EHR as an unplanned admission for any reason to an acute care hospital within 30 days of being discharged from the hospital for transplantation; admissions for elective procedures were excluded. RESULTS: We included 5437 kidney transplant recipients. More recently transplanted recipients (2011 to 2014 vs 2002 to 2004) were older and more likely to have coronary artery disease. A total of 1128 (20.7%) kidney transplant recipients experienced an EHR. There was no trend in EHR across eras with a 30-day cumulative incidence of 23.0%, 21.4%, 18.4%, and 21.0% (P for trend =0.197) for the years 2002 to 2004, 2005 to 2007, 2008 to 2010, and 2011 to 2014, respectively. In the multivariable Cox proportional hazards model, we found no association between era of transplant and EHR. When examining variation in EHR across the 6 adult transplant centers, we found the 30-day cumulative incidence varied significantly from 15.5% to 27.1% (P < 0.001). CONCLUSIONS: One in 5 kidney transplant recipients will experience an EHR; however, an increase in EHR over time has not been observed despite increasing recipient age and comorbidities.
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) | 0,001 | 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 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 ».