Thirty-day hospital readmission and emergency department visits after vascular surgery: a Canadian prospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Rates of hospital readmission following surgery can serve as a marker for quality of care. The aim of this study was to establish the rates and causes of readmission and emergency department visits after vascular surgery and to understand how these patients are managed. METHODS: We conducted a prospective observational cohort study including all inpatients who underwent major vascular surgery between September 2015 and June 2016 at a tertiary vascular care centre in Toronto. Patients were followed at 30 days after discharge via telephone interview. RESULTS: We enrolled 133 patients (94 men [70.7%] and 39 women [29.3%] with a mean age of 65.3 years). The most common index admission diagnosis was peripheral artery disease (67 patients [50.4%]). At 30 days, 19 patients (14.8%) had been readmitted or had visited the emergency department, most commonly after lower extremity revascularization (19.4%). Ten patients were readmitted a mean of 16.8 days following discharge; surgical site infection was the most common cause for readmission (3 patients). The most common treatment was antimicrobial therapy (4 patients). The mean hospital length of stay was 14.4 days. Nine patients presented to the emergency department a mean of 10.6 days after discharge; 6 reported a wound issue, and most (6 of 9) were managed with oral antibiotic treatment. CONCLUSION: Early readmission/emergency department visits after lower extremity revascularization surgery in patients with peripheral artery disease are common and are often due to surgical site infection or wound-related issues. Follow-up within 7-10 days and a specialized wound care team may help reduce the occurrence of 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».