Predictors of Leaving an Inpatient Medical Withdrawal Service Against Medical Advice: A Retrospective Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this study was to determine the frequency and predictors of patients leaving an inpatient medical withdrawal unit against medical advice (AMA). METHODS: This study used a case-control design to compare patients who were discharged AMA (n = 164) with those who completed treatment (n = 678). Logistic regression analysis was used to determine which variables were independent predictors of patients leaving AMA. RESULTS: We found that being admitted through the emergency department (odds ratio [OR] 3.17, confidence interval [CI] 1.66-6.08), having gamma-hydroxybutyrate (OR 7.61, CI 1.81-32.09) as a primary substance of concern compared to alcohol, and having multiple axis I psychiatric diagnoses (OR 2.20, CI 1.16-4.18) or depression (OR 2.86, CI 1.32-6.17) compared with no psychiatric diagnosis increased the odds of leaving inpatient medical withdrawal AMA. By contrast, not being dependent on nicotine (OR 0.45, CI 0.23-0.88) and increasing time since admission (OR 0.42, CI 0.36-0.48) reduced the odds of leaving AMA. CONCLUSIONS: The findings of this study reveal novel information about patients who leave inpatient medical withdrawal AMA and can inform targeted interventions to prevent vulnerable patients from terminating treatment early and improve healthcare service utilization.
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.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 découle