MétaCan
Menu
Retour à la cohorte
Enregistrement W4389785388 · doi:10.5500/wjt.v13.i6.357

Outcomes of early hospital readmission after kidney transplantation: Perspectives from a Canadian transplant centre

2023· article· en· W4389785388 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueWorld Journal of Transplantation · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueRenal Transplantation Outcomes and Treatments
Établissements canadiensToronto General Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineKidney transplantationDialysisHealth careTransplantationProportional hazards modelCohortEmergency medicineKidney transplantIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Early hospital readmissions (EHRs) after kidney transplantation range in incidence from 18%-47% and are important and substantial healthcare quality indicators. EHR can adversely impact clinical outcomes such as graft function and patient mortality as well as healthcare costs. EHRs have been extensively studied in American healthcare systems, but these associations have not been explored within a Canadian setting. Due to significant differences in the delivery of healthcare and patient outcomes, results from American studies cannot be readily applicable to Canadian populations. A better understanding of EHR can facilitate improved discharge planning and long-term outpatient management post kidney transplant. AIM To explore the burden of EHR on kidney transplant recipients (KTRs) and the Canadian healthcare system in a large transplant centre. METHODS This single centre cohort study included 1564 KTRs recruited from January 1, 2009 to December 31, 2017, with a 1-year follow-up. We defined EHR as hospitalizations within 30 d or 90 d of transplant discharge, excluding elective procedures. Multivariable Cox and linear regression models were used to examine EHR, late hospital readmissions (defined as hospitalizations within 31-365 d for 30-d EHR and within 91-365 d for 90-d EHR), and outcomes including graft function and patient mortality. RESULTS In this study, 307 (22.4%) and 394 (29.6%) KTRs had 30-d and 90-d EHRs, respectively. Factors such as having previous cases of rejection, being transplanted in more recent years, having a longer duration of dialysis pretransplant, and having an expanded criteria donor were associated with EHR post-transplant. The cumulative probability of death censored graft failure, as well as total graft failure, was higher among the 90-d EHR group as compared to patients with no EHR. While multivariable models found no significant association between EHR and patient mortality, patients with EHR were at an increased risk of late hospital readmissions, poorer kidney function throughout the 1st year post-transplant, and higher hospital-based care costs within the 1st year of follow-up. CONCLUSION EHRs are associated with suboptimal outcomes after kidney transplant and increased financial burden on the healthcare system. The results warrant the need for effective strategies to reduce post-transplant EHR.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,032
Score d'incertitude au seuil0,888

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,262
Écart entre enseignants0,252 · 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