Do premorbid characteristics of home care clients predict delayed discharges in acute care hospitals: a retrospective cohort study in Ontario and British Columbia, Canada
Notice bibliographique
Résumé
BACKGROUND: Improved identification of patients with complex needs early during hospitalisation may help target individuals at risk of delayed discharge with interventions to prevent iatrogenic complications, reduce length of stay and increase the likelihood of a successful discharge home. METHODS: In this retrospective cohort study, we linked home care assessment records based on the Resident Assessment Instrument for Home Care (RAI-HC) of 210 931 hospitalised patients with their Discharge Abstract Database records. We then undertook multivariable logistic regression analyses to identify preadmission predictive factors for delayed discharge from hospital. RESULTS: Characteristics that predicted delayed discharge included advanced age (OR: 2.72, 95% CI 2.55 to 2.90), social vulnerability (OR: 1.27, 95% CI 1.08 to 1.49), Parkinsonism (OR: 1.34, 95% CI 1.28 to 1.41) Alzheimer's disease and related dementias (OR: 1.27, 95% CI 1.23 to 1.31), need for long-term care facility services (OR: 2.08, 95% CI 1.96 to 2.21), difficulty in performing activities of daily living and instrumental activities of daily living, falls (OR: 1.16, 95% CI 1.12 to 1.19) and problematic behaviours such as wandering (OR: 1.29, 95% CI 1.22 to 1.38). CONCLUSION: Predicting delayed discharge prior to or on admission is possible. Characteristics associated with delayed discharge and inability to return home are easily identified using existing interRAI home care assessments, which can then facilitate the targeting of pre-emptive interventions immediately on hospital admission.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 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 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 ».