Predictors of Unplanned Readmissions Among Patients With Substance Use Disorders
Notice bibliographique
Résumé
ABSTRACT Objective: The objective of this study was to evaluate predictors of unplanned readmission to a specialized hospital addiction unit within less than 30 days, between 30 and 60 days and over 60 days post-discharge among individuals with a diagnosis of substance use disorder. Methods: Cox proportional hazards regressions were used to test the effects of potential risk factors on time-to-onset for unplanned readmissions. The outcome (survival time) was the length of time to hospital readmission and the predictors were age, sex, duration of the first hospital stay, Health of Nation Outcome Scales score and Brief Symptom Check List. Results: Of the 750 readmissions analyzed for the reported period 28.0% took place in less than 30 days, 12.0% between 30 and 60 days and 60.0% after 60 days of discharge. Length of the first hospitalization was a statistically significant predictor of readmission between 30 and 60 days and over 60 days but not for less than 30 days. A 10% increase in length of the first hospitalization, holding all other variables constant, was associated with a 5.0% decrease in unplanned readmissions occurring between 30 and 60 days and a 2.2% decrease in readmissions over 60 days post-discharge. Conclusion: Length of the first hospitalization was found to be a protective factor of readmission between 30 and 60 days and over 60 days but not for less than 30 days post-discharge. The longer the duration of the first hospitalization, the less quickly patients were readmitted to hospital. Objectif: L’objectif de cette étude était d’évaluer les prédicteurs de réadmissions non planifiées dans une unité hospitalière spécialisée en addiction en moins de 30 jours, entre 30 et 60 jours et plus de 60 jours après leur sortie chez les personnes ayant un diagnostic de trouble lié à l’utilisation de substances (TUS). Méthode: Les régressions des risques proportionnels de Cox ont été utilisées pour tester les effets des facteurs de risques potentiels sur le temps reliés aux réadmissions non planifiées. Le pronostic (durée de survie) était la durée jusqu’à la réadmission à l’hôpital et les vérifiables étaient l’âge, le sexe, la durée du premier séjour à l’hôpital, le score des résultats du Health of Nation Outcome Scales (HoNOS-F) et la liste de contrôle des symptômes du Brief Symptom Check List (BSCL). Résultats: Sur les 750 réadmissions analysées pour la période rapportée, 28,0% ont eu lieu en moins de 30 jours, 12,0% entre 30 et 60 jours et 60,0% après 60 jours de congé. La durée de la première hospitalisation était une variable prédictive statistiquement significative pour les réadmissions entre 30 et 60 jours et les plus de 60 jours, mais pas pour les moins de 30 jours. Une augmentation de 10% de la durée de la première hospitalisation, en maintenant toutes les autres variables constantes, a été associée avec une diminution de 5,0% des réadmissions imprévues survenant entre 30 et 60 jours et une diminution de 2,2% des réadmissions plus de 60 jours après la libération. Conclusions: La durée de la première hospitalisation s’est avérée être un facteur de protection contre une réadmission entre 30 et 60 jours et au-delà de 60 jours mais pas pour les moins de 30 jours après la libération. Plus la durée de la première hospitalisation est longue, moins les patients sont réadmis rapidement à l’hôpital.
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 ».