Predictors of Mortality in Home Health Care Service: Data from Saudi Arabia
Notice bibliographique
Résumé
Objective: This study aimed to 1) report the prevalence of chronic conditions among Saudi people receiving long-term home health care (HHC) services, 2) identify the predictors of mortality among individuals receiving long-term HHC services, and 3) study the association between frailty and poor health outcomes among HHC users. Design: Retrospective cross-sectional descriptive study. Setting and Participants: A total of 555 participants were recruited from HHC services at King Saud University Medical City (KSUMC), Riyadh, Saudi Arabia. We collected the data from electronic health records (EHR), patient charts, and caregiver interviews for 555 participants included in HHC program from the year 2019 to 2022. Methods: Only individuals fulfilling the HHC program’s eligibility criteria were included to the study. A total of 555 participants were included in the analysis. We assessed the functional performance by the Katz activity of daily living and Bristol Activity of Daily Living Scale (BADLS). A trained health care provider assessed frailty using the Clinical Frailty Scale (CFS). We calculated the means and frequency to describe the prevalence of chronic conditions and variables of interest. A Chi-square test or independent-samples t -test was run to determine if there were differences between the alive and deceased individuals. A binary logistic regression model was performed to predict mortality of HHC service recipients. Results: The mean age for deceased individuals in HHC was 78.3 years. Over twenty percent of individuals receiving HHC services were readmitted to the hospital. We found that the strongest predictors for mortality were pressure ulcers with an odds ratio of 3.75 and p-value of < 0.0001, and the Clinical Frailty Scale, which had an odds ratio of 1.69 and p-value of 0.002, using multivariate regression analysis. Conclusions and Implications: In conclusion, our study found that pressure ulcers and frailty are the strongest predictors of mortality for individuals receiving home health care services. Keywords: home health care, Saudi Arabia, predictors of mortality
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».