MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390141850 · doi:10.61440/jcpn.2023.v1.08

The Relationship between Cognitive Impairment in Psychiatric Patients and Readmission Rate to an Inpatient Facility

2023· article· en· W4390141850 sur OpenAlexaboutno aff
Cherilyn Isis Schuff, Patrick J Aragon

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitionMontreal Cognitive AssessmentMedicineCognitive impairmentMedical recordNeuropsychologyPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

The primary intention of this study was to further understand the impact of assessing cognitive impairment in psychiatric patients, as a mediating factor on readmission rates. Mild cognitive dysfunction impacts a patient’s functional outcomes [1,2]. Little information exists to guide best practices in the treatment of adults with cognitive impairment who are hospitalized for acute conditions [2]. A cognitive impairment may impact patient prognosis and ability to function outside of a setting focused on stabilization. Neuropsychological testing is a valuable tool in predicting a patient’s cognitive potential. However, creating a battery of tests that must be short enough to fit the needs of patients within an inpatient setting, allowing them to demonstrate their ability, while still providing enough information for accurate diagnosis and prognosis is a challenge. Overall, this study aimed to investigate the utilization of brief cognitive screeners in identifying patients that may be more vulnerable to relapse and readmission. Cognitive impairment was assessed utilizing the Montreal Cognitive Assessment (MoCA). Readmission rate is defined by total admissions per individual patient. The use of community resources, such as medication management, case management, housing programs, and their relationship with readmission rates was examined. Archival data was taken from an inpatient facility’s HIPAA-compliant electronic medical record (EMR) database. All personal identifying information was de-identified to ensure minimal risk of breaching confidentiality. Although all objectives demonstrated significant correlations among the variables, there were no significant predictive models. This study found a positive linear relationship between admission rate and a higher MoCA score. This may partially be explained by Age (M = 69.09, SD = 8.25) having a negative relationship with inpatient readmission rate and a positive relationship with community resources. Within the inpatient setting, patients with higher cognitive functioning may be more aware of their mental health symptoms and are more likely to seek help. This may lead to more frequent admissions as they are able to seek help to address their mental health concerns. The relationship between patient demographics, community resource usage, and readmission rate was also examined. Limitations of this study included the use of archival data, a small sample size, and a lack of diversity within the sample. Future directions for research include norming the MoCA for psychiatric populations and examining deficit patterns within the cognitive domains.

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)0,001
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,061
Tête enseignante GPT0,362
Écart entre enseignants0,301 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSchizophrenia research and treatment→Travaux en français237 207→