QUADRICEPS MUSCLE THICKNESS MEASURED BY POINT-OF-CARE ULTRASOUND AND HOSPITAL LENGTH OF STAY
Notice bibliographique
Résumé
Abstract Background Accurate prediction of hospital length of stay (LOS) and readmission rates could help improve effective healthcare resource allocation. Recent evidence suggests point-of-care ultrasound for muscle assessment, specifically muscle thickness, as a promising tool in this regard. This study explores the hypothesis that ultrasound measurements of quadriceps muscle thickness (MT) and echointensity (EI) can serve as predictors for these crucial patient outcomes. Methods The study measured quadriceps MT and EI using point-of-care ultrasound for patients in a supine position in the emergency department of Vancouver General Hospital. Predictor variables included age, sex, muscle thickness, and echo intensity. Outcome variables were hospital LOS, readmission rate, and discharge destination. Follow-up was conducted after one month to assess hospital readmissions and mortality. Results A total of 120 participants were included (average age 76.9 ± 7.5, with 64 women and 56 men). Mean LOS was 27.4 ± 31.4 days, and mean MT was 20 ± 6 mm. Sex-based differences in MT were statistically significant (P = 0.032). MT correlated significantly with LOS (Standardized β = -0.152 ± 0.016, R² = 0.290, P = 0.001). In the multivariate regression model, MT remained a significant predictor (Standardized β = -0.152 ± 0.563, P = 0.008). Conclusion Muscle thickness is a significant predictor of hospital stay duration. The findings of this study indicate the potential of point-of-care ultrasound in measuring skeletal muscle as an effective predictor of discharge outcomes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».