Frailty predicts failure to discharge patients home from a subacute-care unit: a 3-year Italian experience
Notice bibliographique
Résumé
BACKGROUND: The primary purpose of Subacute Care Units (SCU) is to decongest acute hospital wards and facilitate the return of older patients to home. AIMS: We analyzed the clinical characteristics and outcomes of patients admitted to an Italian SCU, and we explored factors associated with discharge to locations other than home (outcome). METHODS: This retrospective observational cohort study was conducted at a medium-sized suburban hospital, enrolling all patients consecutively admitted to one SCU from October 2017 to February 2020. We collected demographics, cause of admission, comorbidities, cognition, Barthel Index (BI), nutritional status, Clinical Frailty Scale (CFS), length of stay, and discharge destination. Delirium was screened with the 4AT score. We adopted a multivariable conditional logistic regression model to identify the factors associated with the outcome. RESULTS: Frail subjects accounted for 58.6% of 406 patients (mean age 78.2 years, SD 11.6), while 61% were classified as functionally dependent. More than half of patients had relevant comorbidity, approximately 80% had a poor nutritional status, and 25% had pre-existing dementia. The overall prevalence of delirium was 14.5%. Most patients came from a hospital setting; recurrent reasons for admission were infections (70.5%) and heart failure (12.7%). Having a urinary bladder catheter at discharge, being overtly frail (CFS > 8), and low BI score were factors independently associated with not being discharged home. DISCUSSION AND CONCLUSION: The routine assessment of frailty, as expressed by the CFS, may help redirecting the patients eligible for SCU 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».