What are the predictors of emergency department utilization and readmission following extremity bone sarcoma resection?
Notice bibliographique
Résumé
INTRODUCTION: Treatment for bone sarcomas are large undertakings. Emergency department (ED) visits and unplanned hospital readmissions are a potential target for cost containment. The purpose of this study was to evaluate the risk factors for ED visits and unplanned readmissions following extremity bone sarcoma surgery. METHODS: Data from Optum Labs Data Warehouse, a national administrative claims database, was analyzed to identify patients with extremity bone sarcomas from 2006 to 2017. Multivariable logistic regression was used to identify factors associated with ED visits and readmissions. RESULTS: Of 1390 (743 males, 647 female) adult patients, 137 (12%) visited the ED and 245 (18%) were readmitted within 30 days of discharge. The most common indication for ED visits (n = 63, 45.9%) and readmission (n = 119, 48.5%) were complications of surgery. Length of stay >10 days was associated with ED utilization (OR, 1.83; P = .01) and readmission (OR, 4.47; P < .001). CONCLUSION: One in ten patients will use the ED, and one in five patients will be readmitted to the hospital within 30 days of discharge following extremity bone sarcoma surgery. Length of stay was associated with ED visits and readmission. These patients could be targeted with alternative management strategies in the outpatient setting with early clinical follow-up to minimize 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 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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».