Risk Factors and Outcomes of Early Hospital Readmission in Canadian Kidney Transplant Recipients: A Population-Based Multi-Center Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Early hospital readmissions (EHRs) occur commonly in kidney transplant recipients. Conflicting evidence exists regarding risk factors and outcomes of EHRs. OBJECTIVE: To determine risk factors and outcomes associated with EHRs (ie, hospitalization within 30 days of discharge from transplant hospitalization) in kidney transplant recipients. DESIGN: Population-based cohort study using linked, administrative health care databases. SETTING: Ontario, Canada. PATIENTS: We included 5437 kidney transplant recipients from 2002 to 2015. MEASUREMENTS: Risk factors and outcomes associated with EHRs. We assessed donor, recipient, and transplant risk factors. We also assessed the following outcomes: total graft failure, death-censored graft failure, death with a functioning graft, mortality, and late hospital readmission. METHODS: We used multivariable logistic regression to examine the association of each risk factor and the odds of EHR. To examine the relationship between EHR status (yes vs no [reference]) and the outcomes associated with EHR (eg, total graft failure), we used a multivariable Cox proportional hazards model. RESULTS: In all, 1128 kidney transplant recipients (20.7%) experienced an EHR. We found the following risk factors were associated with an increased risk of EHR: older recipient age, lower income quintile, several comorbidities, longer hospitalization for initial kidney transplant, and older donor age. After adjusting for clinical characteristics, compared to recipients without an EHR, recipients with an EHR had an increased risk of total graft failure (adjusted hazard ratio [aHR]: 1.46, 95% CI: 1.29, 1.65), death-censored graft failure (aHR: 1.62, 95% CI: 1.36, 1.94), death with graft function (aHR: 1.34, 95% CI: 1.13, 1.59), mortality (aHR: 1.41, 95% CI: 1.22, 1.63), and late hospital readmission in the first 0.5 years of follow-up (eg, 0 to <0.25 years: aHR: 2.11, 95% CI: 1.85, 2.40). LIMITATIONS: We were not able to identify which readmissions could have been preventable and there is a potential for residual confounding. CONCLUSIONS: Results can be used to identify kidney transplant recipients at risk of EHR and emphasize the need for interventions to reduce the risk of EHRs. TRIAL REGISTRATION: This is not applicable as this is a population-based cohort study and not a clinical trial.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».