Factors associated with attendance at primary care appointments after discharge from hospital: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Follow-up with a primary care provider within 1-2 weeks of discharge from hospital has been associated with reduced readmissions. We sought to determine appointment attendance with primary care providers postdischarge and identify factors associated with attendance. METHODS: We conducted a retrospective cohort study involving general medicine patients who had been discharged from hospital between Sept. 1, 2014, and Dec. 30, 2015, from 2 Ontario academic hospitals, and who had been supported by a transitional care specialist and advised to see a primary care provider within 1 week. Attendance was determined by self-report during follow-up by telephone. We used multivariable logistic regression to assess whether patient factors (e.g., comorbidity) or system factors (e.g., booking the appointment before discharge) predicted attendance. We used Cox proportional hazards modelling to assess whether attendance predicted readmission within 30 days. RESULTS: = 124) of patients attended an appointment within 2 weeks. After adjusting for age, sex and comorbidity, significant predictors of attendance were booking the appointment before discharge (odds ratio [OR] 2.14, 95% confidence interval [CI] 1.07-4.40), familiarity with the primary care provider (OR 5.43, 95% CI 2.25-14.1) and inclusion of a reminder, callback number and appointment time in the discharge summary (OR 15.3, 95% CI 2.09-326). Predictors of nonattendance were the presence of a home support worker (OR 0.38, 95% CI 0.17-0.80) and a booked specialist appointment before discharge (OR 0.37, 95% CI 0.18-0.73). Attendance was not associated with reduced readmissions (hazard ratio 0.66, 95% CI 0.40-1.09). INTERPRETATION: Timely follow-up with PCPs postdischarge remains challenging. Efforts to improve attendance should focus on reinforcing need for follow-up and coordinating follow-up before discharge, particularly for those poorly connected with the 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| 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 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 ».