Clinical Predictors for Unsafe Direct Discharge Home Patients From Intensive Care Units
Notice bibliographique
Résumé
PURPOSE: To describe factors (demographics and clinical characteristics) that predict patients who are at an increased risk of adverse events or unplanned return visits to a health-care facility following discharge direct to home (DDH) from intensive care units (ICUs). METHODS: Prospective cohort study of all adult patients who survived their stay in our medical-surgical-trauma ICU between February 2016 and 2017 and were discharged directly home. Patients were followed for 8 weeks postdischarge. Univariable and multivariable logistic regression analyses were performed to identify factors associated with adverse events or unplanned return visits to a health-care facility following DDH from ICU. RESULTS: < .2) were identified in the univariable analysis: prior substance abuse (odds ratio [OR] of URV of 2.50 [95% confidence interval: 1.08-5.80], hepatitis (OR: 6.92 [1.68-28.48]), sepsis (OR: 11.03 [1.19-102.29]), admission nine equivalents of nursing manpower score (NEMS) <24 (OR: 2.28 [1.03-5.04], no fixed address (OR: 22.9 [1.2-437.3]), ICU length of stay (LOS) <2 days (OR: 2.95 [1.28-6.78]), home discharge within London, Ontario (OR: 2.44 [1.00-5.92]), and left against medical advice (AMA; OR: 6.06 [2.04-17.98]). CONCLUSIONS: Our study identified 8 covariates that were potential predictors of URV: prior substance abuse, hepatitis, sepsis, admission NEMS <24, no fixed address, ICU LOS <2 days, home discharge within London, Ontario, and left AMA. The practice of direct discharges home from the ICU would benefit from adequately powered multicenter study in order to construct a clinical prediction model (that would require further testing and validation).
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 | 0,203 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».