MétaCan
Menu
Retour à la cohorte
Enregistrement W3157662659 · doi:10.1097/md.0000000000025737

Quality of care and outcomes in internal medicine patients bedspaced to noninternal medicine units

2021· article· en· W3157662659 sur OpenAlexaff
Orly Bogler, Jessica Liu, Ben Cadesky, Chaim M. Bell

Notice bibliographique

RevueMedicine · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensInstitute for Work & HealthMount Sinai HospitalInstitute for Clinical Evaluative SciencesLakeridge HealthUniversity of TorontoUniversity Health NetworkToronto General HospitalQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineOvercrowdingEmergency medicineAdverse effectRetrospective cohort studyHospital medicineSpecialtyMedical recordInternal medicineFamily medicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Hospital overcrowding has led to a practice known as bedspacing (in which admitted patients are placed on a different specialty's inpatient ward), yet little is known about the impact of this practice on healthcare quality.We investigated whether hospital outcome measures differ between bedspaced general internal medicine (GIM) patients vs nonbedspaced patients.Our retrospective study included patients admitted to GIM wards at 2 academic hospitals (2012-2014), comparing bedspaced to nonbedspaced patients, and identifying adverse events from the hospital's Electronic Patient Record.We compared these groups with respect to actual length of stay vs the expected length of stay (% ELOS), which is defined as length of stay (LOS) divided by expected length of stay (ELOS), 30-day readmission, adverse events (falls, medication-related incidents, equipment-related incidents, first treatment related incidents, laboratory-related incidents, and operative/invasive events), and in-hospital mortality.There were 22,519 patients analyzed with 15,985 (71%) discharged from a medical ward and 6534 (29%) discharged from a non-medical ward. Bedspaced patients had shorter lengths of stay (4.1 vs 6.2 days, P < .001) and expected lengths of stay (ELOS) (6.1 vs 6.4 days, P < .001). Bedspaced patients had a lower percentage of ELOS (% ELOS) than nonbedspaced patients (70% vs 91%, P < .001), similar readmission rates (9.8 vs 10.3 events per 100 patients, P = .24), lower in-hospital mortality rates (2.6 vs 3.3 events per 100 patients, P = .003) and fewer adverse events (0.20 vs 0.60 events per 100 patient days, P < .01).Bedspacing of patients is common. Patients who are bedspaced to off-service wards have better outcomes. This may relate to preferential allocation practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,372
Écart entre enseignants0,336 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicineMême sujetEmergency and Acute Care StudiesTravaux en français237 207