Long-term Care Facility Variation in the Incidence of Pneumonia and Influenza
Notice bibliographique
Résumé
Abstract Background Pneumonia and influenza (P&I) increase morbidity and mortality among older adults, especially those residing in long-term care facilities (LTCFs). Facility-level characteristics may affect the risk of P&I beyond resident-level risk factors. However, the relationship between facility characteristics and P&I is poorly understood. To address this, we identified potentially modifiable facility-level characteristics that influence the incidence of P&I across LTCFs. Methods We conducted a retrospective cohort study using 2013–2015 Medicare claims linked to Minimum Data Set and LTCF-level data. Short-stay (<100 days) and long-stay (100+ days) LTCF residents were followed for the first occurrence of hospitalization, LTCF discharge, Medicare disenrollment, or death. We calculated LTCF risk-standardized incidence rates (RSIRs) per 100 person-years for P&I hospitalizations by adjusting for over 30 resident-level demographic and clinical covariates using hierarchical logistic regression. Results We included 1 767 241 short-stay (13 683 LTCFs) and 922 863 long-stay residents (14 495 LTCFs). LTCFs with lower RSIRs had more licensed independent practitioners (nurse practitioners or physician assistants) among short-stay (44.9% vs 41.6%, P < .001) and long-stay residents (47.4% vs 37.9%, P < .001), higher registered nurse hours/resident/day among short-stay and long-stay residents (mean [SD], 0.5 [0.7] vs 0.4 [0.4], P < .001), and fewer residents for whom antipsychotics were prescribed among short-stay (21.4% [11.6%] vs 23.6% [13.2%], P < .001) and long-stay residents (22.2% [14.3%] vs 25.5% [15.0%], P < .001). Conclusions LTCF characteristics may play an important role in preventing P&I hospitalizations. Hiring more registered nurses and licensed independent practitioners, increasing staffing hours, and higher-quality care practices may be modifiable means of reducing P&I in LTCFs.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».