Race and birth country are associated with discharge location from hospital: A retrospective cohort study of demographic differences for patients receiving inpatient palliative care
Notice bibliographique
Résumé
Background While past studies investigated access to palliative care among marginalized groups, few assessed whether there are differences in clinical process indicators based on demographics among those receiving palliative care. We aimed to: describe demographics among patients receiving inpatient palliative care; and evaluate whether demographic variables are associated with differences in disposition (i.e., discharge location), length of stay (LOS), and timing of inpatient palliative care referral and consultation. Methods Retrospective cohort study using electronic medical record data to study patients seen by inpatient palliative care at Mount Sinai Hospital in Toronto, Canada between April 2018 to March 2019. Primary outcome was disposition. Secondary outcomes were LOS, time from admission to palliative referral, and time from referral to consultation. We summarized quantitative data descriptively and used fisher exact tests to explore relationships between categorial variables. For continuous outcomes, we ran one-way ANOVA tests. Findings A total of 187 patients were referred to palliative care and met inclusion criteria. Mean age was 68·8 and 55·6% were female. 46·7% were born in Canada, 58·2% were White and 78·4% preferred English communication. Variables significantly associated with disposition were: birth country ( p = 0·04), and race/ethnicity ( p = 0·03). Language (F ratio = 3·6, p = 0·004) was significantly associated with time from admission to palliative care referral. No variables were associated with LOS or time from referral to consult. Interpretation Inequalities in disposition, and how long it takes to refer to palliative care may exist. Further studies should focus on understanding the underlying practices that constructed, and maintained these inequalities in care. Funding This research received no specific grant from any funding agency in the public, commercial, or not-for-profit sectors.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».