Implementation of an Activity-Monitoring System in Hospital-Based COPD Patients: A Retrospective Cohort Study
Notice bibliographique
Résumé
Introduction: Patients with chronic obstructive pulmonary disorder are at risk of complications after hospitalization, including readmissions. The purpose of this study was to assess the effects of an activity-monitoring device on the outcomes of patient with chronic obstructive pulmonary disorder during and after a hospital admission. Methods: During a hospitalization, 52 patients (experimental group) diagnosed with chronic obstructive pulmonary disorder were provided with an activity monitor (Tractivity; (Kineteks Corporation, Vancouver, British Colombia, http://tractivity-online.squarespace.com/)) and 99 usual care patients were chosen as controls. Following hospital discharge, retrospective chart analysis examined patient demographics including falls, length of stay, discharge disposition, and hospital readmissions. Results: No difference in number of falls, length of stay, discharge disposition, and hospital readmissions could be found between groups ( P > .05). Within the experimental group, those who were discharged home (n = 45) displayed a greater daily activity, number of steps, and ambulation distance as compared with patients who were discharged to another facility (n = 7, P < .05). Discussion: Readmissions are multifactorial and activity during a hospitalization may not be the primary cause of readmissions. Activity monitoring can help quantify ambulation and may be useful as a means to predict discharge disposition. Conclusion: No clear effect of using an activity monitor could be found on length of stay, readmission rates, and discharge disposition between the 2 groups. However, less activity and shorter ambulation distance were associated with discharge to another facility instead of home.
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) | 0,001 | 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) | 0,000 | 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 ».