Inter-provider variation in resource use intensity for elderly injury admissions : a multicenter cohort study
Notice bibliographique
Résumé
Les aînés (≥65 ans) représentent une proportion grandissante des admissions pour traumatismes. Cependant, on connait peu sur leur utilisation des ressources hospitalières. Pour améliorer les connaissances sur l’utilisation des ressources, nos objectifs étaient d’identifier les déterminants de l’utilisation des ressources, étudier la variation inter-hospitalière et évaluer l’association avec les résultats cliniques. Nous avons réalisé une étude de cohorte multicentrique en incluant tous les aînés admis dans le système de traumatologie du Québec (2013-2016) avec blessures traumatiques (N=16463) et avec fractures de fragilité (N=16721). Nous avons estimé l’utilisation des ressources avec la méthode de coûts basés sur les centres d’activité. Nous avons utilisé des modèles linéaires et logistiques multiniveaux pour nos analyses. L’utilisation des ressources augmentait avec l’âge et le nombre de comorbidités. La destination à la sortie de l’hôpital était aussi un important déterminant (soins longue durée vs domicile; blessures traumatiques; ratio de moyennes géométriques [RMG]=1,68; IC 95%=1,61-1,75; fracture de fragilité; RMG=1,28 IC 95%=1,24-1,32). L’utilisation des ressources ajustée variait significativement entre les hôpitaux. Cette variation était plus importante chez les patients avec des fractures de fragilité (coefficient de corrélation interclasse [CCI]=0,093; IC 95%=0,079-0,102) que chez ceux avec des blessures traumatiques (CCI=0,047; IC 95%=0,037-0,051). Les hôpitaux avec une plus importante utilisation des ressources avaient tendance à avoir une incidence plus élevée de mortalité (fracture de fragilité : coefficients de corrélation de Pearson [r]=0,41; IC 95%=-0,16-0,60) et de complications (blessures traumatiques : r=0,55; IC 95%=0,33-0,71; fracture de fragilité : r=0,54; IC 95%=0,32-0,70). Nos résultats suggèrent qu’il y a place à l’optimisation des ressources pour les aînés admis pour blessures. L’augmentation de mortalité et morbidité dans les hôpitaux utilisant plus de ressources pourrait être expliquée par la confondance résiduelle mais aussi par les effets indésirables reliés aux interventions ou aux journées d’hospitalisation potentiellement non-nécessaires. Ces hypothèses seront à confirmer lors d’études futures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».