MétaCan
Menu
Retour à la cohorte
Enregistrement W4388677074 · doi:10.1177/11786329231211774

How Might We Have Known? Using Administrative Data to Predict 30-Day Hospital Readmission in Clients Receiving Home Care Services from 2018 to 2021

2023· article· en· W4388677074 sur OpenAlexafffund
Marianne Saragosa, Katherine Zagrodney, Prakathesh Rabeenthira, Emily C. King, Sandra McKay

Notice bibliographique

RevueHealth Services Insights · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensPublic Health Agency of CanadaUniversity of OttawaSinai Health SystemPublic Health OntarioToronto Metropolitan UniversityUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineLogistic regressionHospital readmissionDescriptive statisticsHealth careDemographicsAcute careEmergency medicineFamily medicineMedical emergencyNursing

Résumé

récupéré en direct d'OpenAlex

Background: Reducing hospital readmissions can improve individual health outcomes and lower system-level costs. This study aimed to understand the characteristics of home care Personal Support clients who experienced a hospital admission (ie, hospital hold) and to identify factors that predict hospital readmission within 30 days of resuming home care Personal Support services. Methods: We conducted a retrospective cohort study using client administrative data from a home healthcare provider organization (2018-2021). The sample included clients (⩾18 years) who received publicly funded Personal Support services and experienced a hospital hold. Descriptive statistics and a binary logistic regression model analyzed the relationship between demographics, hospital service utilization, home care service utilization, and contextual factors on the outcome of 30-day hospital readmission. Results: Approximately 17% (n = 662) of all clients with a hospital hold (n = 3992) were readmitted to hospital within 30 days. Compared with non-readmitted clients, those with greater home care Personal Support service intensity after the index hospital hold were less likely to experience a hospital 30-day readmission. In contrast, those with greater acuity, higher assessed care needs, more hospital holds overall, more extended hospital stays (⩾2 weeks), and lower social support had a higher likelihood of 30-day hospital readmission. Conclusion: The findings from this study provide a greater understanding of factors associated with home care clients' risk of hospital readmission within 30 days and can be used to inform targeted, evidence-based support to reduce home care clients' hospital readmissions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,363
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Services InsightsMême sujetHeart Failure Treatment and ManagementTravaux en français237 207