Understanding Local Consultation Patterns of Inpatient Geriatric Medicine Teams: a Cross-Sectional Study
Notice bibliographique
Résumé
Background: Geriatric consultation for Comprehensive Geriatric Assessment (CGA) improves outcomes of older adults living with frailty who are hospitalized, but consultation patterns and utilization of inpatient geriatric consultation teams by other hospital-based services are poorly understood. Methods: We conducted a cross-sectional study using linked health administrative data to describe characteristics of older adults (≥ 65 years) who received a CGA while hospitalized between January 1, and December 31, 2019. We identified hospital-based services requesting CGA and the frequency and reasons for referral. We used multivariable logistic regression to estimate the association between patient-level characteristics and receiving a CGA. Results: A total of 29,090 older adults were admitted to hospital; 38.7% were classified as frail and 5.4% (1,563 patients) received at least one CGA. The top three reasons for requesting a CGA were to assess the need for care on an inpatient geriatric rehabilitation unit (43%), and for assessment and management of delirium (27%) and dementia (24%). Referrals were most frequently received from Hospitalists (48%). Frailty was associated with increased odds of receiving a CGA (adjusted odds ratio [aOR] 12.02; 95% confidence interval [CI] 9.67-14.82). A diagnosis of cancer was associated with lower odds of receiving a CGA (aOR 0.75; 95% CI 0.60-0.93). Conclusions: Inpatient geriatric consultation teams support 5.4% of hospitalized older adults. With the rapidly growing aging population, future efforts are needed to explore the optimal delivery of inpatient geriatric services to support its sustainable provision.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 |
| 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 ».