Predicting hospital readmission risk: A prospective observational study to compare primary care providers’ assessments with the LACE readmission risk index
Notice bibliographique
Résumé
PURPOSE: This study aims to determine if the primary care provider (PCP) assessment of readmission risk is comparable to the validated LACE tool at predicting readmission to hospital. METHODS: A prospective observational study of recently discharged adult patients clustered by PCPs in the primary care setting. Physician readmission risk assessment was determined via a questionnaire after the PCP reviewed the hospital discharge summary. LACE scores were calculated using administrative data and the discharge summary. The sensitivity and specificity of the physician assessment and the LACE tool in predicting readmission risk, agreement between the 2 assessments and the area under receiver operating characteristic (AUROC) curves were calculated. RESULTS: 217 patient readmission encounters were included in this study from September 2017 till June 2018. The rate of readmission within 30 days was 14.7%, and 217 discharge summaries were used for analysis. The weighted kappa coefficient was 0.41 (95% CI: 0.30-0.51) demonstrating a moderate level of agreement. Sensitivity of physician assessment was 0.31 (95% CI: 0.22-0.40) and specificity was 0.80 (95% CI: 0.77-0.83). The sensitivity of the LACE assessment was 0.42 (95% CI: 0.25-0.59) and specificity was 0.79 (95% CI: 0.73-0.85). The AUROC for the LACE readmission risk was 0.65 (95% C.I. 0.55-0.76) demonstrating modest predictive power and was 0.57 (95% C.I. 0.46-0.68) for physician assessment, demonstrating low predictive power. CONCLUSION: The LACE index shows moderate discriminatory power in identifying high-risk patients for readmission when compared to the PCP's assessment. If this score can be provided to the PCP, it may help identify patients who requires more intensive follow-up after discharge.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».