Intensity of hospital resource use following traumatic brain injury: a multicentre cohort study, 2013–2016
Notice bibliographique
Résumé
Background: The knowledge gap regarding acute care resource use for patients with traumatic brain injury (TBI) impedes efforts to improve the efficiency and quality of the care of these patients. Our objective was to evaluate interhospital variation in resource use for patients with TBI, identify determinants of high resource use and assess the association between hospital resource use and clinical outcomes. Methods: We conducted a multicentre retrospective cohort study including patients aged 16 years and older admitted to the inclusive trauma system of Quebec following TBI, between 2013 and 2016. We estimated resource use using activity-based costs. Clinical outcomes included mortality, complications and unplanned hospital readmission. Interhospital variation was evaluated using intraclass correlation coefficients (ICCs) with 95% confidence intervals (CIs). Correlations between hospital resource use and clinical outcomes were evaluated using correlation coefficients on weighted, risk-adjusted estimates with 95% CIs. Results: We included 6319 patients. We observed significant interhospital variation in resource use for patients discharged alive, which was not explained by patient case mix (ICC 0.052, 95% CI 0.043 to 0.061). Adjusted mean resource use for patients discharged to long-term care was more than twice that of patients discharged home. Hospitals with higher resource use tended to have a lower incidence of mortality (r −0.347, 95% CI −0.559 to −0.087) and unplanned readmission (r −0.249, 95% CI −0.481 to 0.020) but a higher incidence of complications (r 0.491, 95% CI 0.255 to 0.666). Conclusion: Resource use for TBI varies significantly among hospitals and may be associated with differences in mortality and morbidity. Negative associations with mortality and positive associations with complications should be interpreted with caution but suggest there may be a trade-off between adverse events and survival that should be evaluated further.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».