Predicting the need for supportive services after discharged from hospital: a systematic review
Notice bibliographique
Résumé
Abstract Background To identify models and variables that predict the need for supportive services after discharge from acute care hospital. Methods We performed a systematic review searching the MEDLINE, CINAHL, EMBASE, and COCHRANE databases from inception to May 1 st 2017. We selected studies that derived and validated a prediction model for the need for supportive services after hospital discharge for patients admitted non-electively to a medical ward. We extracted cohort characteristics, model characteristics and variables screened and included in final predictive models. Risk of bias was assessed using the Quality in prognostic studies tool. Results Our search identified 3362 unique references. Full text review identified 6 models. All studies had moderate or high risk of bias. Models had good discrimination in derivation (c-statistics >0.75) and validation (c-statistics >0.70) cohorts. There was high quality evidence that age, impaired physical function, disabilities in performing activities of daily living, and frailty predict the need for supportive services after discharge. Stroke was the only unique diagnosis with at least moderate evidence of an independent effect on the outcome. No models were externally validated, and all were at moderate of higher risk of bias. Conclusions The ability to perform self-care and the presence of informal care-givers in the home environment are the most direct determinants of the need for support services after hospital discharge. Trial Registration : This review was registered with PROSPERO #CRD42016037144
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 | 0,020 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,011 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».