Understanding hospital length of stay in trauma laparotomy patients: a National Trauma Database Study
Notice bibliographique
Résumé
Introduction: The diverse procedures and varying patient conditions in trauma laparotomy cases lead to significant variability in hospital length of stay (HLOS), posing challenges for effective patient care. Strategies to reduce HLOS are varied, with multiple factors potentially modifiable through targeted interventions. These interventions are most effective when target populations and their associated factors are clearly defined. This study aimed to stratify trauma laparotomy patients by their HLOS and identify factors associated with HLOS to enhance patient care. Methods: A retrospective analysis was conducted using the National Trauma Data Bank from January 2017 to December 2019. Adult trauma patients who underwent trauma laparotomy following blunt or penetrating abdominal injuries were identified using International Classification of Diseases, 10th Revision codes and Abbreviated Injury Scales. HLOS was stratified into three groups based on the IQR of the study population: short (< 5 days), medium (5-11 days) and long (> 11 days). Results: A total of 27 434 trauma laparotomy patients were identified. The overall median HLOS was 7.0 (5.0, 11.0) days. Penetrating mechanisms, particularly stab wounds, were strongly associated with a short HLOS. Additionally, isolated abdominal trauma, splenic injuries or spleen-related procedure were more likely to result in a short HLOS. Patients with a long HLOS experienced higher rates of in-hospital complications and were more frequently discharged to home with home health services or to extended care facilities. Most comorbidities were associated with a long HLOS, and patients with Medicaid or Medicare had a higher likelihood of a long HLOS. Conclusion: Despite the relatively homogenous trauma population, HLOS distribution varied significantly. Stratification based on HLOS revealed distinct factors associated with short and long HLOS categories, indicating that targeted interventions for each category could potentially reduce HLOS and enhance patient outcomes in the current era of constrained healthcare resources. Level of evidence study type: Level IV, therapeutic/care management.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».