Quadriceps muscle thickness as measured by point-of-care ultrasound is associated with hospital length of stay among hospitalised older patients
Notice bibliographique
Résumé
BACKGROUND: Predicting hospital length of stay (LOS) can potentially improve healthcare resource allocation. Recent studies suggest that point-of-care ultrasound (POCUS), specifically measurements of muscle thickness (MT), may be valuable in assessing patient outcomes, including LOS. This study investigates the hypothesis that quadriceps MT and echo intensity (EI) can predict patient outcomes, particularly LOS. METHODS: Quadriceps MT and EI were measured using POCUS in patients admitted to a hospital's acute medical unit. Predictor variables included age, sex, MT, EI and the Charlson Comorbidity Index (CCI). The outcome variable was hospital LOS. RESULTS: One hundred twenty participants were included (average age 76 ± 7, with 64 women and 56 men). The mean LOS was 27 ± 31 days, and the mean MT was 20 ± 6 mm. Sex-based differences in MT were statistically significant (P = .032). Patients with prolonged LOS over 30 days had lower MT (mean 17 mm vs. 21 mm, P < .0001). One unit increase in MT was significantly associated with ~1.5 fewer days of hospital LOS, and one CCI score increase was associated with almost three more days of hospital LOS. Having low MT significantly increased the odds of staying in the hospital longer than 30 days by more than three times in all models. CONCLUSION: Muscle thickness is a strong predictor of hospital LOS, highlighting the potential of POCUS for assessing patient 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 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) | 0,000 | 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 ».