Evaluation of a nurse practitioner-led post-discharge transitional care program for patients with liver disease: A retrospective cohort study
Notice bibliographique
Résumé
Background: We evaluated an outpatient, nurse practitioner-led transitional care program with respect to its efficacy in reducing unplanned readmission rates for patients with liver disease. Methods: We conducted a retrospective cohort study using data from an academic health system in Toronto, Ontario. The study included all admissions associated with an ICD10 code of R18 (ascites), I85.0 or I98.3 (variceal bleeding), or K70-K77 (diseases of the liver). Patients were selected to receive the transitional care (intervention group) or not (no-intervention group) by discretion of the hepatologists. We used a proportional hazard model to estimate the associations between receiving the intervention and the marginal probability of 30-, 60-, and 90-day readmission in the presence of death as a competing risk. We conducted sensitivity analyses to examine the robustness of our estimates to various sources of bias, including adjusting for propensity of receiving the intervention estimated using a logistic regression model. Results: A total of 803 admissions were included. Receiving transitional care was associated with a reduction in risk of 30-day readmission (HR 0.51; 95% CI 0.30-0.85), 60-day readmission (HR 0.60; 95% CI 0.40-0.91), and 90-day readmission (HR 0.55; 95% CI 0.37-0.83). The negative associations remained statistically significant under the sensitivity analyses, except for the propensity-adjusted estimate for the 60-day outcome. Conclusions: A nurse practitioner-led transitional care program could be effective in reducing the risk of readmission for patients with liver disease. Future studies are needed to standardize the referral process and prospectively measure the effectiveness and financial value of the program.
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) | 0,001 | 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 ».