Risk Factors for Liver Cirrhosis-Related Readmissions in the Largest Ethnic Minority in United States
Notice bibliographique
Résumé
Background: There are very limited data available on 30-day readmissions for ethnic minority patients with cirrhosis. The aim of the study was to identify the risk factors for 30-day readmission in ethnic minority patients admitted for cirrhosis. Methods: We did a retrospective review of 1,373 electronic medical records of patients with cirrhosis admitted from 2009 to 2011. Several parameters including alcohol use history, discharge location and cirrhosis severity scores - model for end-stage liver disease (MELD) score and Child-Pugh-Turcotte (CPT) at first admission were assessed. Statistical analysis was done using Chi-square test and t -test for categorical and continuous variables, respectively. Results: There were 79 patients in the readmission group (63% male, 54% Hispanics and 22% African Americans) and 104 in the no readmission group (62% male, 58% Hispanics and 24% African Americans). History of alcohol use within a month prior to admission (55% vs. 33%, P = 0.002), platelet count at discharge (89,000 vs. 124,000, P = 0.003), and discharge with more than seven medications per day (7.3 vs. 5.2, P = 0.005) were identified as risk factors for readmissions by multivariate analysis. Conclusion: Platelet count, active alcohol use and more than seven medications at discharge are predictors of readmission. These parameters can guide future interventions to reduce readmission rate and health care costs related to cirrhosis readmissions. Gastroenterol Res. 2020;13(1):11-18 doi: https://doi.org/10.14740/gr1227
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 | 0,000 | 0,001 |
| 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 ».