MétaCan
Menu
Retour à la cohorte
Enregistrement W4390450362 · doi:10.1136/bmjqs-2023-016295

Association between language discordance and unplanned hospital readmissions or emergency department revisits: a systematic review and meta-analysis

2023· review· en· W4390450362 sur OpenAlexaboutno aff
Janet N. Chu, Jeanette Wong, Naomi S. Bardach, Isabel Elaine Allen, Jill Barr‐Walker, Maribel Lopera Sierra, Urmimala Sarkar, Elaine C. Khoong

Notice bibliographique

RevueBMJ Quality & Safety · 2023
Typereview
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Heart, Lung, and Blood Institute
Mots-clésMedicineEmergency departmentData extractionMeta-analysisMEDLINEOdds ratioSystematic reviewFamily medicineEmergency medicinePediatricsNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVE: Studies conflict about whether language discordance increases rates of hospital readmissions or emergency department (ED) revisits for adult and paediatric patients. The literature was systematically reviewed to investigate the association between language discordance and hospital readmission and ED revisit rates. DATA SOURCES: Searches were performed in PubMed, Embase and Google Scholar on 21 January 2021, and updated on 27 October 2022. No date or language limits were used. STUDY SELECTION: Articles that (1) were peer-reviewed publications; (2) contained data about patient or parental language skills and (3) included either unplanned hospital readmission or ED revisit as one of the outcomes, were screened for inclusion. Articles were excluded if: unavailable in English; contained no primary data or inaccessible in a full-text form (eg, abstract only). DATA EXTRACTION AND SYNTHESIS: Two reviewers independently extracted data using Preferred Reporting Items for Systematic Reviews and Meta-Analyses-extension for scoping reviews guidelines. We used the Newcastle-Ottawa Scale to assess data quality. Data were pooled using DerSimonian and Laird random-effects models. We performed a meta-analysis of 18 adult studies for 28-day or 30-day hospital readmission; 7 adult studies of 30-day ED revisits and 5 paediatric studies of 72-hour or 7-day ED revisits. We also conducted a stratified analysis by whether access to interpretation services was verified/provided for the adult readmission analysis. MAIN OUTCOMES AND MEASURES: Odds of hospital readmissions within a 28-day or 30-day period and ED revisits within a 7-day period. RESULTS: We generated 4830 citations from all data sources, of which 49 (12 paediatric; 36 adult; 1 with both adult and paediatric) were included. In our meta-analysis, language discordant adult patients had increased odds of hospital readmissions (OR 1.11, 95% CI 1.04 to 1.18). Among the 4 studies that verified interpretation services for language discordant patient-clinician interactions, there was no difference in readmission (OR 0.90, 95% CI 0.77 to 1.05), while studies that did not specify interpretation service access/use found higher odds of readmission (OR 1.14, 95% CI 1.06 to 1.22). Adult patients with a non-dominant language preference had higher odds of ED revisits (OR 1.07, 95% CI 1.004 to 1.152) compared with adults with a dominant language preference. In 5 paediatric studies, children of parents language discordant with providers had higher odds of ED revisits at 72 hours (OR 1.12, 95% CI 1.05 to 1.19) and 7 days (OR 1.02, 95% CI 1.01 to 1.03) compared with patients whose parents had language concordant communications. DISCUSSION: Adult patients with a non-dominant language preference have more hospital readmissions and ED revisits, and children with parents who have a non-dominant language preference have more ED revisits. Providing interpretation services may mitigate the impact of language discordance and reduce hospital readmissions among adult patients. PROSPERO REGISTRATION NUMBER: CRD42022302871.

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 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)0,015
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0090,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,313
Tête enseignante GPT0,586
Écart entre enseignants0,273 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations27
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Quality & SafetyMême sujetInterpreting and Communication in HealthcareTravaux en français237 207