The impact of hospital harm on length of stay, costs of care and length of person-centred episodes of care: a retrospective cohort study
Notice bibliographique
Résumé
<h3>BACKGROUND:</h3> There is a lack of data in Canada on the longitudinal effects of adverse events that occur in hospital, specifically in the period after discharge. Our objective was to quantify the impact of adverse events on hospital length of stay, length of person-centred episodes of care (PCEs) and costs of PCEs, as well as their impact on the total health system. <h3>METHODS:</h3> We conducted a population-based, retrospective cohort study using linked health administrative databases. We included adults in Ontario who had an acute hospital admission between Apr. 1, 2015, and Mar. 31, 2016. We grouped hospital admissions into 1 of 9 episode types and used the Canadian Institute for Health Information methodology for hospital harm to measure adverse events. We specified generalized linear models to estimate the impact of hospital harm on the following: incremental length of index acute hospital admission, incremental length of the PCE, and incremental costs of the PCE. <h3>RESULTS:</h3> Out of 610 979 hospital admissions, 36 004 (5.9%) involved an occurrence of harm. The impact of harm on the incremental length of hospital stay ranged from 0.4 to 24.2 days (<i>p</i> < 0.001); the incremental length of the PCE ranged from 0.3 to 30.2 days (<i>p</i> < 0.001); and the incremental costs of the PCE ranged from $800 to $51 067 (<i>p</i> < 0.001). Total hospital days attributable to hospital harm amounted to 407 696, and the total attributable cost to the Ontario health system amounted to $1 088 330 376. <h3>INTERPRETATION:</h3> We found that experiencing harm in hospital significantly affects both in-hospital and post-discharge use of health services and costs of care, and constitutes an enormous expense to Ontario’s publicly funded health 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 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 | 0,004 |
| 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 | 0,001 |
| 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 ».