Risk of readmission to the emergency department in mild COVID-19 outpatients with telehealth follow-up
Notice bibliographique
Résumé
Introduction: To describe patients´ characteristics of confirmed COVID-19 with mild symptoms discharged home from the Emergency Department (ED) and followed using telemedicine, to estimate ED-readmission rates and hospitalization, and to explore associated factors with these clinical outcomes. Methods: We performed a retrospective cohort study in Hospital Italiano de Buenos Aires from June to August 2020, which included patients with mild COVID-19 symptoms, diagnosed with a positive result. Follow-up occurred from discharged until ED-readmission or 14 days. We estimate cumulative incidence using the Kaplan-Meier model and associated factors using logistic regression. Results: We included 1,239 patients, with a median of 41 years and 53.82% male. A total of 167 patients were readmitted to the ED within 14 days, with a global incidence rate of 13.08% (95%CI 11.32-15.08). Of these, 83 required hospitalization (median time from diagnosis 4.98 days), 5.98% was not related to any COVID-19 complication, and five patients died. After adjustment by confounders (age ≥65, sex, diabetes, hypertension, former smoking, active smoking, fever, diarrhea, and oxygen saturation), we found significant associations: former smoking (adjusted OR 2.09, 95% CI 1.31-3.34, p0 .002), fever (aOR 1.56, 95% CI 1.07-2.28, p0.002) and oxygen saturation (aOR 0.82, 95% CI 0.71-0.95, p0.009). Conclusion: The 13% rate of ED-readmission during 14 days of follow-up of mild symptomatic COVID-19 patients initially managed as outpatients with telehealth is highly significant in hospital management, quality performance, and patient safety.
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 | 0,004 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 ».