Can a mobile app technology reduce emergency department visits and readmissions after lung resection? A prospective cohort study
Notice bibliographique
Résumé
<h3>Background:</h3> Emergency department (ED) visits and readmissions after thoracic surgery are a major health care problem. We hypothesized that the addition of a novel post-discharge mobile app specific to thoracic surgery to an existing home care program would reduce ED visits and readmissions compared to a home care program alone. <h3>Methods:</h3> We conducted a prospective cohort study of patients undergoing major lung resection for malignant disease between November 2016 and May 2018. Patients received either home care alone (control group) or home care plus a patient-input mobile app (intervention group). Primary outcomes were 30-day readmission and ED visit rates. Secondary outcomes included reasons for ED visits and readmissions, perioperative complications, 30-day mortality, anxiety (assessed with the Generalized Anxiety Disorder-7 Scale [GAD-7]) and app-related adverse events. We compared outcomes between the 2 groups, analyzing the data on an intention-to-treat basis. <h3>Results:</h3> Despite the greater number of open surgery and anatomic resections in the intervention cohort, patients in that group were less likely than those in the control group to visit the ED within 30 days of discharge (24.0% v. 38.8%, <i>p</i> = 0.02). Thirty-day readmission rates were similar between the intervention and control groups (10.1% v. 12.2%, <i>p</i> = 0.6). In a subset of patients, there was no difference between the 2 groups in the proportion of patients with a GAD-7 score of 0 (control group 79.8%, intervention group 79.5%, <i>p</i> = NS), which indicated a similar absence of postdischarge anxiety and depression symptoms in the 2 cohorts. <h3>Conclusion:</h3> The addition of a mobile app to a home care program after thoracic surgery was associated with a reduced frequency of ED visits, in spite of the higher proportions of thoracotomies and anatomic resections in the app cohort. More studies are needed to evaluate the full effect of this new, emerging technology.
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 | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».