In-Hospital Patient Harm Across Linguistic Groups: A Retrospective Cohort Study of Home Care Recipients.
Notice bibliographique
Résumé
OBJECTIVE: Research examining the impact of language barriers on patient safety is limited. We conducted a population-based study to determine whether patients whose primary language is not English are more likely to experience harm when admitted to hospitals in Ontario, Canada. METHODS: We used linked administrative health records to establish a retrospective cohort of home care recipients (from 2010 to 2015) who were subsequently admitted to hospital. Patient language (obtained from home care assessments) was coded as English, French, or other. Harmful events were identified using the Hospital Harm Indicator developed by the Canadian Institute for Health Information. RESULTS: We included 190,724 patients (156,186 Anglophones, 5,110 Francophones, and 29,428 Allophones). There was no significant difference in the unadjusted risk of harm for Francophones compared with Anglophones (relative risk [RR], 0.94; 95% confidence interval [CI], 0.87-1.02). However, Allophones were more likely to experience harm when compared with Anglophones (RR, 1.14; 95% CI, 1.10-1.18). The risk of harm was even greater for Allophones with low English proficiency (RR, 1.18; 95% CI, 1.13-1.24). After adjusting for potential confounders, Anglophones and Allophones were equally likely to experience harm of any type, but Allophones more likely to experience harm from infections and procedures. CONCLUSIONS: Patients whose primary language was not English or French were more likely to experience harm after admission to hospital, especially if they had low English proficiency. For these patients, the risk of harm from infections and procedures persisted in the adjusted analysis, but the overall risk of harm did not.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».