Characterizing Hospital Admissions in Persons with Parkinson’s Disease: 10-Year Retrospective Study of Administrative Data in Alberta, Canada (P10-11.015)
Notice bibliographique
Résumé
Objective: To characterize the landscape of province-wide hospital admissions in persons with Parkinson’s disease (PD) and inform future healthcare improvement in this population. Background: Persons with PD tend to have longer hospital stays and are more likely to suffer from adverse events. The province of Alberta, Canada has a single healthcare provider (Alberta Health Services), permitting collection of population-level data from all healthcare facilities. Design/Methods: We performed a population-based, retrospective cohort study using discharge abstract data for all persons admitted to hospital from 2011 through 2021, in Alberta. We extracted data from the Discharge Abstract Database (DAD), which contains ICD-10-CA coded diagnoses for all patients discharged from hospital. Hospitalizations with PD as both main and pre-admission comorbid diagnoses were identified using the ICD-10-CA G20 (PD) and F02.3 (Dementia in PD) codes. Results: A total of 17168 hospitalizations were identified during the study period. Mean age was 78 (SD 9 years), and 39% (6761) were female. Median length of hospital stay was 12 days (interquartile range 27). For most patients, the attending service was family practice/general practice (67%, 11496), followed by internal medicine (16%, 2763), orthopedics (6%, 959), psychiatry (3%, 504), and neurology (3%, 497). In-hospital adverse events occurred in 11% (1857) of admissions; 1% (122) were life-threatening. The outcome in 54% (9289) of admissions was discharge home, 24% (4099) long-term care, and 13% (2244) to rehab or other acute care facility. In-hospital mortality was 7% (1225). Conclusions: Our study describes the landscape of PD hospitalization in a Canadian context. The main admitting specialties are family practice and internal medicine, and over half of patients are discharged home. Future directions include further analysis of this data to understand predictors for adverse outcomes and guide care delivery improvement. Disclosure: Dr. Mahjoub has nothing to disclose. Dr. Peters has nothing to disclose.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».