Predictors of Length of Hospitalization and Impact on Early Readmission for Mental Disorders
Notice bibliographique
Résumé
Length of hospitalization, if inappropriate to patient needs, may be associated with early readmission, reflecting sub-optimal hospital treatment, and translating difficulties to access outpatient care after discharge. This study identified predictors of brief-stay (1-6 days), mid-stay (7-30 days) or long-stay (≥31 days) hospitalization, and evaluated how lengths of hospital stay impacted on early readmission (within 30 days) among 3729 patients with mental disorders (MD) or substance-related disorders (SRD). This five-year cohort study used medical administrative databases and multinomial logistic regression. Compared to patients with brief-stay or mid-stay hospitalization, more long-stay patients were 65+ years old, had serious MD, and had a usual psychiatrist rather than a general practitioner (GP). Predictors of early readmission were brief-stay hospitalization, residence in more materially deprived areas, more diagnoses of MD/SRD or chronic physical illnesses, and having a usual psychiatrist with or without a GP. Patients with long-stay hospitalization (≥31 days) and early readmission had more complex conditions, especially more co-occurring chronic physical illnesses, and more serious MD, while they tended to have a usual psychiatrist with or without a GP. For patients with more complex conditions, programs such as assertive community treatment, intensive case management or home treatment would be advisable, particularly for those living in materially deprived areas.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».