MétaCan
Menu
Retour à la cohorte
Enregistrement W4408089680 · doi:10.1016/j.jamda.2025.105521

Factors Influencing Initial Rehabilitation Type after Hip Fracture Surgery: A Retrospective Cohort Study

2025· article· en· W4408089680 sur OpenAlexafffundabout
Chantal Backman, Wenshan Li, Soha Shah, Steve Papp, Stephen Fung, Asnake Yohannes Dumicho, Meltem Tuna, Franciely Daiana Engel, Colleen Webber, Luke Turcotte, Daniel I. McIsaac, Paul E. Beaulé, Véronique French-Merkley, Stéphane Poitras, Benoît Lafleur, Jennifer Watt, Corita Vincent, Sharon E. Straus, Alexandre Tran, Kristen Pitzul, Sara J. T. Guilcher, Arrani Senthinathan, Peter Tanuseputro

Notice bibliographique

RevueJournal of the American Medical Directors Association · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHip and Femur Fractures
Établissements canadiensMcMaster UniversityUniversity of TorontoUniversity of OttawaBruyèreOttawa HospitalBrock UniversityInstitut du Savoir Montfort
Organismes subventionnairesInstitute for Clinical Evaluative SciencesImmigration, Refugees and Citizenship CanadaMinistry of HealthMinistry of Long-Term CareInstitut canadien d'information sur la santéMinistry of Health, Ontario
Mots-clésMedicineRehabilitationOdds ratioRetrospective cohort studyHip fracturePopulationPhysical therapyOddsCohortCohort studyLogistic regressionOsteoporosisSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To describe and compare the factors that impact initial rehabilitation type after hip fracture surgery. DESIGN: Retrospective population-based cohort study. SETTING AND PARTICIPANTS: People aged between 50 and 105 with a hip fracture who had a surgical repair in Ontario, Canada, between January 1, 2015, and December 31, 2021. METHODS: Descriptive statistics and a multinomial logistic regression model were used to identify factors associated with initial rehabilitation type. RESULTS: In this study, 63,401 individuals were included with a mean age of 80 years [standard deviation (SD) 10.9], mostly female (67.3%), with 86.3% living in urban areas at the time of hospitalization and most (72.6%) admitted from the community without home care. A total of 24.5% of individuals did not receive any form of rehabilitation. Rurality of residence decreased the odds of having an initial rehabilitation type in complex continuing care [odds ratio (OR), 0.23; 95% CI, 0.21-0.26], in inpatient rehabilitation (OR, 0.26; 95% CI, 0.24-0.28), or in community rehabilitation (OR, 0.54; 95% CI, 0.50-0.58) compared with no rehabilitation. Dementia decreased the odds of having an initial rehabilitation type in complex continuing care (OR, 0.75; 95% CI, 0.69-0.81), in inpatient rehabilitation (OR, 0.44; 95% CI, 0.41-0.47), or in community rehabilitation (OR, 0.88; 95% CI, 0.82-0.95) compared with receiving no rehabilitation. Previous history of fragility fracture decreased the odds of having an initial rehabilitation type in either complex continuing care (OR, 0.30; 95% CI, 0.27-0.34), in inpatient rehabilitation (OR, 0.27; 95% CI, 0.24-0.29), or in community rehabilitation (OR, 0.33; 95% CI, 0.30-0.37) compared with no rehabilitation. CONCLUSIONS AND IMPLICATIONS: Rurality of residence, dementia, and previous history of fragility fractures reduced the odds of receiving specialized inpatient rehabilitation and increased the odds of receiving no rehabilitation. Future research should focus on achieving more equitable care for individuals living in rural settings, with dementia, or with previous fragility fractures to enhance the quality of care and achieve best outcomes for the overall hip fracture population.

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)0,003
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 enseignants0,102
Score d'incertitude au seuil0,203

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,308
Écart entre enseignants0,300 · 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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of the American Medical Directors AssociationMême sujetHip and Femur FracturesTravaux en français237 207