Intra- and post-procedural patient-reported experience measures and their correlation with post-ERCP adverse events and unplanned healthcare utilization
Notice bibliographique
Résumé
BACKGROUND: Post-endoscopic retrograde cholangiopancreatography (ERCP) adverse events (AEs) are common, as is unplanned healthcare utilization (UHU). We aimed to assess potential etiologic associations between intra-/post-procedural patient-reported experience measures (PREMs) and post-ERCP AEs and UHU. METHODS : Prospective data from a multicenter collaborative were used. A 0-10 Likert-based PREM assessing intra- and post-procedural symptoms was applied to patients following ERCP, and follow-up was performed at 30 days to identify AEs and UHU for reasons not meeting the definitions of any AE. Multivariable logistic regression was conducted using PREM domains as exposures and AEs and UHU as outcomes, with a priori selected covariates. Odds ratios (ORs) and 95 %CIs for each PREM domain were reported. RESULTS: From 2018 to 2023, 3434 patients were included. A post-procedural abdominal pain score > 3 was associated with pancreatitis (OR 3.71 [95 %CI 2.37-5.73]), while a score > 6 was associated with perforation (OR 9.54 [95 %CI 1.10-59.37]). Post-procedural pain was also associated with UHU within 30 days when used as a continuous exposure (OR 1.08 per point [95 %CI 1.01-1.16]), and when partitioned at a score > 3 (OR 1.79 [95 %CI 1.13-2.74]) and a score > 6 (OR 1.93 [95 %CI 1.02-3.46]). No other intra- or post-procedural PREMs were associated with any AEs or UHU. CONCLUSIONS: Patient-reported abdominal pain from a Likert-based PREM at the time of discharge from ERCP was associated with pancreatitis, perforation, and UHU within 30 days. Applying PREMs could potentially prevent UHU and/or facilitate earlier management and improved outcomes for patients with post-ERCP AEs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».