Factors Influencing Thirty-Day Readmission Rate in Patients With Heart Failure Exacerbation
Notice bibliographique
Résumé
Background: The purpose of this study is to further investigate the leading causes of readmission at 30 days in heart failure exacerbation patients, along with associations to mortality and intensive care unit (ICU) admissions. Methods: A retrospective data analysis was performed on a total of 33,400 patients between January 1, 2016, and December 31, 2020. The primary endpoints were to determine whether guideline-directed medical therapy (GDMT), length of stay, and time to first diuretic affect readmission rates. Secondary endpoints include time to first chest X-ray, time to first echocardiogram, administration of intravenous fluids, diet, presence of cardiology consult, and ICU admission. Results: Patients who received GDMT had decreased likelihood of mortality (odds ratio (OR): 0.518; 95% confidence interval (CI): 0.394 - 0.682; P < 0.001). Patients who had an echocardiogram done within 1 day of admission had less likelihood of death (OR: 0.606; 95% CI: 0.483 - 0.759; P < 0.001). In addition, patients who had a cardiac diet during their hospitalization were 0.632 times less likely to experience mortality (95% CI: 0.502 - 0.797; P < 0.001). Patients that received their first intravenous diuretic 2 h or more after admission were 1.290 times as likely to be readmitted within 30 days (95% CI: 1.018 - 1.634; P = 0.035). In addition, patients that did not receive intravenous diuretics were even more likely to be readmitted within 30 days (OR: 1.555; 95% CI: 1.237 - 1.955; P < 0.01). Patients who were treated with GDMT had a decreased chance of being readmitted within 30 days (OR: 0.781; 95% CI: 0.647 - 0.944; P = 0.01). Conclusions: This study stresses the importance of initiating GDMT, cardiac diet, diuretics, and echocardiogram in timely manner.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».