Predictors of improvement in urinary incontinence in the postacute setting: A Canadian cohort study
Notice bibliographique
Résumé
PURPOSE: To determine factors associated with improvement in urinary incontinence (UI) for long-stay postacute, complex continuing care (CCC) patients. DESIGN: A retrospective cohort investigation of patients in a CCC setting using data obtained from the Canadian Institute for Health Information's Continuing Care Reporting System collected with interRAI Minimum Data Set 2.0. SETTING AND PARTICIPANTS: Individuals aged 18 years and older, were admitted to CCC hospitals in Ontario, Canada, between 2010 and 2018. METHODS: Multivariable logistic regression was used to determine the independent effects of predictors on UI improvement, for patients who were somewhat or completely incontinent on admission and therefore had the potential for improvement. RESULTS: The study cohort consisted of 18 584 patients, 74% (13 779) of which were somewhat or completely incontinent upon admission. Among those patients with potential for improvement, receiving bladder training, starting a new medication 90 days prior (odds ratio, OR: 1.54 [95% confidence interval, CI: 1.36-1.75]), and triggering the interRAI Urinary Incontinence Clinical Assessment Protocol to facilitate improvement (OR: 1.36 [95% CI: 1.08-1.71]) or to prevent decline (OR: 1.32 [95% CI: 1.13-1.53]) were the strongest predictors of improvement. Conversely, being totally dependent on others for transfer (OR: 0.62 [95% CI: 0.42-0.92]), is rarely or never understood (OR: 0.65 [95% CI: 0.50-0.85]), having a major comorbidity count of ≥3 (OR: 0.72 [95% CI: 0.59-0.88]), Parkinson's disease, OR: 0.77 (95% CI: 0.62-0.95), Alzheimer/other dementia, OR: 0.83 (95% CI: 0.74-0.93), and respiratory infections, OR: 0.57 (95% CI: 0.39-0.85) independently predicted less likelihood of improvement in UI. CONCLUSIONS AND IMPLICATIONS: Findings of this study suggest that improving physical function, including bed mobility, and providing bladder retraining have strong positive impacts on improvement in UI for postacute care patients. Evidence generated from this study provides useful care planning information for care providers in identifying patients and targeting the care that may lead to better success with the management of UI.
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) | 0,000 | 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 ».