Continuing Care For Critically Ill Children Beyond Hospital Discharge: Current State of Follow-up
Notice bibliographique
Résumé
OBJECTIVES: Survivors of the PICU face long-term morbidities across health domains. In this study, we detail active PICU follow-up programs (PFUPs) and identify perceptions and barriers about development and maintenance of PFUPs. METHODS: A web link to an adaptive survey was distributed through organizational listservs. Descriptive statistics characterized the sample and details of existing PFUPs. Likert responses regarding benefits and barriers were summarized. RESULTS: One hundred eleven respondents represented 60 institutions located in the United States (n = 55), Canada (n = 3), Australia (n = 1), and the United Kingdom (n = 1). Details for 17 active programs were provided. Five programs included broad PICU populations, while the majority were neurocritical care (53%) focused. Despite strong agreement on the need to assess and treat morbidity across multiple health domains, 29% were physician only programs, and considerable variation existed in services provided by programs across settings. More than 80% of all respondents agreed PFUPs provide direct benefits and are essential to advancing knowledge on long-term PICU outcomes. Respondents identified "lack of support" as the most important barrier, particularly funding for providers and staff, and lack of clinical space, though successful programs overcome this challenge using a variety of funding resources. CONCLUSIONS: Few systematic multidisciplinary PFUPs exist despite strong agreement about importance of this care and direct benefit to patients and families. We recommend stakeholders use our description of successful programs as a framework to develop multidisciplinary models to elevate continuity across inpatient and outpatient settings, improve patient care, and foster collaboration to advance knowledge.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».