Adverse Events After Transition From ICU to Hospital Ward: A Multicenter Cohort Study*
Notice bibliographique
Résumé
OBJECTIVES: To examine adverse events and associated factors and outcomes during transition from ICU to hospital ward (after ICU discharge). DESIGN: Multicenter cohort study. SETTING: Ten adult medical-surgical Canadian ICUs. PATIENTS: Patients were those admitted to one of the 10 ICUs from July 2014 to January 2016. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: Two ICU physicians independently reviewed progress and consultation notes documented in the medical record within 7 days of patient's ICU discharge date to identify and classify adverse events. The adverse event data were linked to patient characteristics and ICU and ward physician surveys collected during the larger prospective cohort study. Analyses were conducted using multivariable logistic regression. Of the 451 patients included in the study, 84 (19%) experienced an adverse event, the majority (62%) within 3 days of transfer from ICU to hospital ward. Most adverse events resulted only in symptoms (77%) and 36% were judged to be preventable. Patients with adverse events were more likely to be readmitted to the ICU (odds ratio, 5.5; 95% CI, 2.4-13.0), have a longer hospital stay (mean difference, 16.1 d; 95% CI, 8.4-23.7) or die in hospital (odds ratio, 4.6; 95% CI, 1.8-11.8) than those without an adverse event. ICU and ward physician predictions at the time of ICU discharge had low sensitivity and specificity for predicting adverse events, ICU readmissions, and hospital death. CONCLUSIONS: Adverse events are common after ICU discharge to hospital ward and are associated with ICU readmission, increased hospital length of stay and death and are not predicted by ICU or ward physicians.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».