Unplanned early hospital readmissions in a vascular surgery population
Notice bibliographique
Résumé
Background: Patients who undergo vascular surgery are burdened by high early readmission rates. We examined the frequency and cause of early readmissions after elective and emergent admission to the vascular surgery service at our institution to identify modifiable targets for quality improvement. Methods: Over a 5-year period, all patients admitted and readmitted to the vascular surgery service were identified. Medical records were then individually reviewed to identify baseline characteristics from the index admission and the most responsible diagnosis for readmission within 28 days of discharge. Results: Of a total of 3324 patients, 421 (12.7%) were readmitted to our institution within 28 days of discharge. Forty-seven were found to have more than 1 readmission following their index admission. The readmission rate ranged from 11.8% to 14.1% over the 5-year study period, resulting in an average readmission rate of 12.7%. There were similar rates for men (12.9%) and women (12.3%). Of the readmitted cases, 236 (63.1%) were unplanned readmissions. The most common diagnoses for unplanned readmissions were worsening of peripheral arterial disease status including complications related to peripheral bypass graft (30.9%), surgical site infections (15.3%) and nonsurgical infections (14.8%). Conclusion: To reduce readmission rates effectively, institutions must identify highrisk patients. In our study cohort, the most frequent pathology resulting in readmission was peripheral arterial disease. The most frequent preventable reason for readmission was surgical site infection. Interventions focused on early assessment of clinical status and wounds in addition to avoidance of infectious complications could help reduce readmission rates. Preventive resources can be efficiently targeted by focusing on subgroups at risk for 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».