Optimizing discharge decision‐making in colorectal surgery: a prospective cohort study of discharge practices in a recently implemented enhanced recovery pathway
Notice bibliographique
Résumé
AIM: The objectives of this project were (1) to compare time to readiness for discharge by set criteria and actual length of stay (LOS) in a newly implemented colorectal enhanced recovery pathway and (2) to identify reasons for delayed hospital discharge. METHOD: We conducted a prospective cohort study of 73 adult patients (age 67 ± 14 years, 56% men, 51% laparoscopic, 13% stoma creation) undergoing elective colorectal surgery in a university hospital with a recently implemented recovery pathway (<2 years). Time to readiness for discharge (oral intake, flatus, pain control, ability to walk, and no complications) was compared to actual LOS using a correlation-adjusted log-rank test. The treating team was interviewed, and thematic analysis was used to identify reasons for patients remaining in hospital after discharge criteria (DC) were achieved. RESULTS: Median LOS was 6 (4-8) days and median time to readiness for discharge was 5 (3-8) days (P < 0.001). Twenty-eight patients (37%) remained in hospital after DC were achieved. Although some delayed discharges were medically justified (e.g., workup [13%] or treatment of complications not captured by DC [2.6%]), unnecessary hospital stays were common (e.g., perceived need for observation [16%], or patients not willing to be discharged [11%]). CONCLUSIONS: Unnecessary hospital stays were common within a recently implemented enhanced recovery pathway and represent a target for quality improvement. Efforts should be directed at optimizing patient education regarding discharge expectations, early consultation of the discharge planning team and improving discharge decision-making using standardized DC.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».