Delayed discharge after major surgical procedures in Ontario, Canada: a population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: Addressing nonmedical reasons for delays in hospital discharge is important for improving the flow of patients through acute care hospital beds. Because this problem is understudied among adult surgical patients, we examined the incidence of and identified factors associated with delayed hospital discharge after major elective and emergency surgical procedures in acute care institutions. METHODS: Using health administrative data, we retrospectively compared adults with and without delayed discharge after 18 major elective and emergency surgical procedures between 2006 and 2016 in Ontario hospitals. We identified delayed discharge using the alternate level of care code, applied to patients who are medically fit for discharge but remain in an acute care hospital bed. We used hierarchical logistic regression modelling to determine factors associated with delayed discharge. RESULTS: Our cohort included 595 782 patients who underwent elective procedures and 180 478 who underwent emergency procedures. Delayed discharge accounted for 635 607 hospital days, of which 81.7% were related to admissions for emergency surgery. Delayed discharge affected 3.1% of patients who underwent elective surgery and 19.6% of those who underwent emergency procedures. Days attributed to delayed discharge formed about one-third of patients' total hospital stay for both surgical groups. The rate of delayed discharge across surgical specialties showed high variability (from 0.9% for lung resection or nephrectomy to 9.3% for peripheral arterial disease procedures in the elective surgery group, and from 3.8% for cardiac procedures to 33.8% for peripheral arterial disease procedures in the emergency surgery group). Risk factors for delayed discharge were older age, female sex, chronic disease burden and increasing hospital size. INTERPRETATION: Delayed discharge for nonmedical reasons was more common after emergency surgery than after elective surgery, and rates varied across surgery type. Optimizing early discharge planning, evaluating the variation in delayed discharge at the hospital level and improving local access to community care services could be next steps to addressing this problem.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Observationnel | high |
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| 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) | 0,002 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».