Predictors of and reasons for early discharge from inpatient withdrawal management settings: A scoping review
Notice bibliographique
Résumé
ISSUES: Early discharges, also known as 'against medical advice' discharges, frequently occur in inpatient withdrawal management settings and can result in negative outcomes for patients. The purpose of this scoping review is to identify what is known about predictors of and reasons for the early discharge among adults accessing inpatient withdrawal management settings. APPROACH: MEDLINE, CINAHL, PsycINFO, ASSIA and EMBASE were searched, resulting in 2587 articles for screening. Title and abstract screening and full-text review were completed by two independent reviewers. Results were synthesised in quantitative and qualitative formats. KEY FINDINGS: Sixty-two studies were included in this scoping review. All studies focused on predictors of early discharge, except one which only described reasons for the early discharge. Forty-eight percent of studies involved retrospective review of health records data. The most frequently examined variables were demographics. Variables related to the treatment setting, such as referral source and treatment received, were examined less frequently but were more consistently associated with early discharge compared to demographics. Only six studies described patient reasons for the early discharge, which were retrieved via clinical documentation. The most common reasons for early discharge were dissatisfaction with treatment and family issues. IMPLICATIONS AND CONCLUSIONS: Most demographic variables do not consistently predict early discharge, and reasons for early discharge are not well understood. Future studies should focus on the predictive value of non-patient-level variables, or conduct analyses to account for predictors of early discharge among different subgroups of people (e.g. by gender or ethnicity). Qualitative research exploring patient perspectives is needed.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».