MétaCan
Menu
Retour à la cohorte
Enregistrement W4394929873 · doi:10.1093/jbcr/irae036.262

718 Predictors of Lengthened Admission in Elderly Burn Patients, a Secondary Analysis of 529 Cases

2024· article· en· W4394929873 sur OpenAlexaff
Xi Ming Zhu, Diana Julia Tedesco, Shahriar Shahrokhi, Marc G. Jeschke

Notice bibliographique

RevueJournal of Burn Care & Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDermatologic Treatments and Research
Établissements canadiensMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésMedicineEmergency medicineBurn unitsIntensive care medicinePediatrics

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Existing research has examined the relationship between the amount of total body surface area (TBSA) burn and length of stay (LOS) for older adults. As a result, the conventional ratio of 1 day LOS/1% TBSA ratio has been updated to 2 days LOS/1% TBSA. In this study, we aim to elucidate patient and injury characteristics that affect our prognostic indicator, leading to a prolonged LOS. Methods This was a secondary analysis of a cohort study of surviving patients admitted to a tertiary adult burn center between January 1, 2006, and June 30, 2021. Older adult patients aged 60 and over were stratified into expected LOS (< 2.0 days/%TBSA) and greater than expected LOS (>2.0 days/%TBSA). Patient demographics, TBSA, inhalation injury, pre-admission co-morbidities, and in-hospital complications were tabulated. Logistic regressions were performed using IBM SPSS Statistics 29 and Stata Statistical Software: Release 18. Results 529 patients with a mean age of 71 years were included for analysis of the older adult population. 266 patients had the expected LOS/TBSA ratio, and 263 exceeded this ratio. Univariable analysis indicated patients with greater age [1.03 (1.01 – 1.05) p = 0.002], hypertension [1.72 (1.22 – 2.42) p = 0.002], diabetes [1.95 (1.30 – 2.93) p = 0.001], respiratory disease [2.22 (1.40 – 3.53) p = 0.001], cardiac disease [1.75 (1.24 – 2.47) p = 0.002], psychiatric illness [1.75 (1.04 – 2.96) p = 0.035], and those who experienced complications (such as infection, graft failure, pneumonia, sepsis) [1.62 (1.14 – 2.30) p = 0.007] during admission were more likely to exceed their predicted LOS. Multivariate analysis found that inhalation injury [3.73 (1.62 – 8.57) p = 0.002], diabetes [1.69 (1.04 – 2.77) p = 0.035], respiratory disease [1.86 (1.04 – 3.29) p = 0.035], psychiatric illness [1.50 (1.01 – 1.87) p = 0.04], alcohol use [2.18 (1.04 – 4.58) p = 0.04], and complications [3.63 (2.27 – 5.80) p < 0.0001] were contributing factors that increased the likelihood of patients exceeding predicted LOS. Diabetes was not a statistically significant contributor. Conclusions Progress has been made to identify patient and injury factors that increase the likelihood of increased LOS for older adult patients with burn injuries. This provides valuable data for physicians to better assess their patients and improve their quality of care. Applicability of Research to Practice Identification of key burn patient characteristics aids in prognostication. Determining length of stay aids with coordination of patient care with the multi-disciplinary team.

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)0,002
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
Métarecherche0,0010,002
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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,044
Tête enseignante GPT0,399
Écart entre enseignants0,354 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Burn Care & ResearchMême sujetDermatologic Treatments and ResearchTravaux en français237 207