MétaCan
Menu
Retour à la cohorte
Enregistrement W2975211644 · doi:10.36469/9744

Predictors of Hospital Length of Stay among Patients with Low-risk Pulmonary Embolism

2019· article· en· W2975211644 sur OpenAlexaff
Li Wang, Onur Başer, Philip S. Wells, W. Frank Peacock, Craig I Coleman, Gregory J. Fermann, Jeff Schein, Concetta Crivera

Notice bibliographique

RevueJournal of health economics and outcomes research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueVenous Thromboembolism Diagnosis and Management
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesJanssen Research and DevelopmentJanssen Scientific Affairs
Mots-clésMedicinePulmonary embolismConfidence intervalOdds ratioPulmonary angiographyInternal medicineLogistic regressionCardiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Increased hospital length of stay is an important cost driver in hospitalized low-risk pulmonary embolism (LRPE) patients, who benefit from abbreviated hospital stays. We sought to measure length-of-stay-associated predictors among Veterans Health Administration LRPE patients. METHODS: Adult patients (aged ≥18 years) with ≥1 inpatient pulmonary embolism (PE) diagnosis (index date = discharge date) between 10/2011-06/2015 and continuous enrollment for ≥12 months pre- and 3 months post-index were included. PE patients with simplified Pulmonary Embolism Stratification Index score 0 were considered low risk; all others were considered high risk. LRPE patients were further stratified into short (≤2 days) and long length of stay cohorts. Logistic regression was used to identify predictors of length of stay among low-risk patients. RESULTS: Among 6746 patients, 1918 were low-risk (28.4%), of which 688 (35.9%) had short and 1230 (64.1%) had long length of stay. LRPE patients with computed tomography angiography (Odds ratio [OR]: 4.8, 95% Confidence interval [CI]: 3.82-5.97), lung ventilation/perfusion scan (OR: 3.8, 95% CI: 1.86-7.76), or venous Doppler ultrasound (OR: 1.4, 95% CI: 1.08-1.86) at baseline had an increased probability of short length of stay. Those with troponin I (OR: 0.7, 95% CI: 0.54-0.86) or natriuretic peptide testing (OR: 0.7, 95% CI: 0.57-0.90), or more comorbidities at baseline, were less likely to have short length of stay. CONCLUSION: Understanding the predictors of length of stay can help providers deliver efficient treatment and improve patient outcomes which potentially reduces the length of stay, thereby reducing the overall burden in LRPE patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,305
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of health economics and outcomes researchMême sujetVenous Thromboembolism Diagnosis and ManagementTravaux en français237 207