Agreement and comparative accuracy of instability criteria at discharge for predicting adverse events in patients with community-acquired pneumonia
Notice bibliographique
Résumé
Objective Five definitions of clinical instability have been published to assess the appropriateness and safety of discharging patients hospitalised for pneumonia. This study aimed to quantify the level of agreement between these definitions and estimate their discriminatory accuracy in predicting post-discharge adverse events. Study design and setting We conducted a retrospective cohort study involving 1038 adult patients discharged alive following hospitalisation for pneumonia. Results The prevalence of unstable criteria within 24 hours before discharge was 4.5% for temperature >37.8°C, 13.8% for heart rate >100/min, 1.0% for respiratory rate >24/min, 2.6% for systolic blood pressure <90 mm Hg, 3.3% for oxygen saturation <90%, 5.4% for inability to maintain oral intake and 6.4% for altered mental status. The percentage of patients classified as unstable at discharge ranged 12.8%–41.0% across different definitions (Fleiss Kappa coefficient, 0.47; 95% CI 0.44 to 0.50). Overall, 140 (13.5 %) patients experienced adverse events within 30 days of discharge, including 108 unplanned readmissions (10.4%) and 32 deaths (3.1%). Clinical instability was associated with a 1.3-fold to 2.0-fold increase in the odds of postdischarge adverse events, depending on the definition, with c -statistics ranging 0.54–0.59 (p=0.31). Conclusion Clinical instability was associated with higher odds of 30-day postdischarge adverse events according to all but one of the published definitions. This study supports the validity of definitions that combine vital signs, mental status and the ability to maintain oral intake within 24 hours prior to discharge to identify patients at a higher risk of postdischarge adverse events.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».