Impact of COVID‐19 Pandemic on Readmission Rates Following Colorectal Surgery: A Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic placed increased pressure to discharge patients early; this could have resulted in rushed discharges requiring patients to return to hospital. The impact of the pandemic on readmission after colorectal surgery is unknown. METHODS: The National Surgical Quality Improvement Program (ACS-NSQIP) database was used to compare patients undergoing elective colorectal surgery in 2019 and 2020, prior to and during the COVID-19 pandemic. Multivariable logistic regression was used to examine variables associated with readmission. Propensity score matching was then used to compare patients in the pre-pandemic and pandemic cohorts. RESULTS: A total of 72,874 colorectal cases were included. There were 17.7% less cases in 2020. Rate of readmission was similar in both groups (9.6% vs. 9.4%). There were fewer patients discharged to a facility such as nursing facility or rehabilitation center in 2020, with more patients discharged home. Year was not associated with readmission on multivariable analysis. In the matched cohort, readmission rates did not differ (9.7% vs. 9.3% p = 0.129) nor did mortality (0.8% vs. 0.8% p = 0.686). CONCLUSIONS: No difference in readmission rates before or during the COVID-19 pandemic was observed; suggesting increased pressure to keep patients out of hospital in the COVID-19 pandemic did not result in patients being rushed home requiring repeat admission. More patients were discharged home with fewer to rehabilitation or nursing facilities in 2020, suggesting success with avoiding transitional services in the right setting.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».