Reducing Hospitalisations With a Skin and Soft Tissue Infection Clinic
Notice bibliographique
Résumé
RATIONALE: Patients with skin and soft tissue infection are often admitted to hospital despite compelling evidence that many can be managed safely as outpatients. This quality improvement study reports the outcomes of an outpatient skin and soft tissue infection programme implemented at an academic acute-care hospital in Toronto, Canada. METHODS: The intervention was an outpatient care pathway for patients with suspected skin and soft tissue infection who may otherwise have required admission to hospital. The programme was implemented within the existing general internal medicine outpatient clinic and primarily involved the addition of part-time advanced practice wound care nurses. The main outcome was the number of hospital inpatient days for skin and soft tissue infection. Data were analysed for 4 years pre-intervention (June 2016-May 2020) and 2 years post-intervention (June 2020-May 2022). Another acute-care hospital in the same network which did not undergo the intervention was included as a control. RESULTS: During the 2-year post-intervention period there were 465 clinic visits with the programme (mean of 19/month). The median number of inpatient days for skin and soft tissue infection decreased from 224 per month before the intervention to 148 per month after the intervention (a reduction of 34%). There was no reduction in inpatient days for skin and soft tissue infection at the control site or among all diagnoses at the intervention site. CONCLUSIONS: The implementation of an outpatient skin and soft tissue infection programme was associated with a sustained 34% reduction in inpatient days for skin and soft tissue infection. This study demonstrates the benefits of enhancing an existing outpatient internal medicine clinic through the creation of a streamlined care pathway and adding interdisciplinary expertise.
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 | 0,006 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».