MétaCan
Menu
← Retour à la cohorte
Enregistrement W4402919360 · doi:10.1371/journal.pone.0309155

What happened to the patients? Care trajectories for persons with a delayed hospital discharge during wave 1 of COVID-19 in Ontario, Canada; a population-based retrospective cohort study

2024· article· en· W4402919360 sur OpenAlexafffundabout
Sara J. T. Guilcher, Yu Bai, Walter P. Wodchis, Susan E. Bronskill, Laleh Rashidian, Kerry Kuluski

Notice bibliographique

RevuePLoS ONE · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensInstitute for Clinical Evaluative SciencesSunnybrook HospitalPublic Health OntarioTrillium Health CentreUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchInstitute for Clinical Evaluative SciencesUniversity of TorontoMinistry of Health, Ontario
Mots-clésMedicineRetrospective cohort studyEmergency medicineAcute carePoisson regressionPopulationHealth careCohortHazard ratioProportional hazards modelCohort studyInpatient careInternal medicineConfidence intervalEnvironmental health

Résumé

récupéré en direct d'OpenAlex

During the initial wave of coronavirus disease of 2019 (COVID-19), patients were rapidly discharged from acute hospitals in anticipation of an expected influx of patients with COVID-19. Patients that were no longer receiving acute medical care but were waiting for their next destination (i.e., delayed hospital discharge) were particularly affected. The objectives of this study were to examine the impact of COVID-19 onset on healthcare utilization and mortality among those who experienced delayed discharge from acute care. We conducted a population-based retrospective cohort study using linked administrative data. We included persons discharged from acute care who experienced a delayed hospital stay between April 1, 2019 and September 30, 2020. The onset of COVID-19 was the exposure (March 1, 2020), while the period of April 1, 2019 to February 29, 2020 was considered as a comparator. Primary outcomes included healthcare utilization and mortality following discharge, stratified by care setting (homecare, inpatient rehabilitation or long-term care). Multivariable logistic, zero-inflated Poisson regressions, and Cox proportional hazard models were used to examine the impact of COVID-19 on outcomes while adjusting for covariates. Those discharged home were more likely to receive homecare and physician visits within 30 days during COVID-19. The type of visits examined included both in-person as well as virtual visits. Individuals discharged to inpatient rehabilitation experienced lower rates of general physician visits but higher rates of specialist and homecare visits. Patients discharged to long-term care were significantly less likely to receive a physician visit following COVID-19, and significantly more likely to be readmitted within 7-days. There were no significant differences in mortality irrespective of discharge destination during the two time periods. Overall, the onset of the initial wave of COVID-19 significantly impacted healthcare utilization among those with a delayed discharge but varied depending on destination, with those in long-term care being most impacted.

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 enseignants0,035
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
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 Opus0,033
Tête enseignante GPT0,286
Écart entre enseignants0,253 · 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

Citations5
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→