Hospital readmission following pediatric heart transplantation
Notice bibliographique
Résumé
The frequency, indications, and outcomes for readmission following pediatric heart transplantation are poorly characterized. A better understanding of this phenomenon will help guide strategies to address the causes of readmission. Data from the Clinical Trials in Organ Transplantation for Children (CTOTC-04) multi-institutional collaborative study were utilized to determine incidence of, and risk factors for, hospital readmission within 30 days and 1 year from initial hospital discharge. Among 240 transplants at 8 centers, 227 subjects were discharged and had follow-up. 129 subjects (56.8%) were readmitted within one year; 71 had two or more readmissions. The 30-day and 1-year freedom from readmission were 70.5% (CI: 64.1%, 76.0%) and 42.2% (CI: 35.7%, 48.7%), respectively. The most common indications for readmissions were infection followed by rejection and fever without confirmed infection, accounting for 25.0%, 10.6%, and 6.2% of readmissions, respectively. Factors independently associated with increased risk of first readmission within 1 year (Cox proportional hazard model) were as follows: transplant in infancy (P = .05), longer transplant hospitalization (P = .04), lower UNOS urgency status (2/IB vs 1A) at transplant (P = .04), and Hispanic ethnicity (P = .05). Hospital readmission occurs frequently in the first year following discharge after heart transplantation with highest risk in the first 30 days. Infection is more common than rejection as cause for readmission, with death during readmission being rare. A number of patient factors are associated with higher risk of readmission. A fuller understanding of these risk factors may help tailor strategies to reduce unnecessary hospital readmission.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».