933 FACTORS ASSOCIATED WITH LENGTH OF STAY ON OLDER PEOPLE’S MEDICINE WARDS
Notice bibliographique
Résumé
Abstract Introduction The Newcastle upon Tyne Hospitals NHS Foundation Trust’s Older People’s Medicine (OPM) department includes six inpatient wards. It was hypothesized that an increasing prevalence of inpatient frailty would be associated with increased length of stay. Method Data were collected on OPM wards, on a single day of February 2020 and July 2021. Demographic details, mobility, presence of delirium, resuscitation status, length of stay (LOS), and Clinical Frailty Scale (CFS) status was recorded (frailty defined as CFS score ≥ 5). Descriptive statistics and tests of significance comparing 2020 with 2021 data were performed. Independent associations with above-median LOS were analysed using binary logistic regression. Results There were 172 inpatients in 2020, and 160 in 2021. Median age was 84 (range 66–98 years) in 2020, and 85 (range 64–99 years) in 2021. 87 (54.4%) in 2021, and 102 (59.3%) in 2020 were female. Prevalence of pre-admission frailty was higher in 2021 (n = 143, 89.4%) compared to 2020 (n = 125, 72.7%, p < 0.0001). The prevalence of delirium was higher (n = 60, 37.5%, p < 0.0001) and fewer were independently mobile (n = 53, 33.1%, p = 0.013) in 2021 than in 2020. Nevertheless, median LOS was shorter in 2021, 9 days (range 1.0–106.9) versus 15 days (range 0.7–87.0) in 2020, p = 0.006. Being admitted from home and having a DNACPR were independent predictors of increased LOS (OR 2.4 [95% CI 1.4 to 4.0] for both), controlling for age, sex, frailty, delirium, and reduced mobility. Conclusion Despite the increased prevalence of frailty, delirium and reduced mobility, these factors were not associated with increased LOS. Residence at home and DNACPR were associated with above-median LOS, irrespective of the patient’s frailty, delirium or mobility status. Overall, this suggest appropriate high quality care is being delivered, despite increased pressures due to shorter LOS and higher frailty prevalence.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,008 | 0,001 |
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 ».