The impact of COVID-19 hospitalizations on nursing home admissions: a regional insight into long-term care and public health
Notice bibliographique
Résumé
Background: To obtain the rate of admission to nursing homes (NHs) and to evaluate clinical characteristics and mortality rates of patients admitted to NHs after hospitalizations for COVID-19, compared to non-COVID-19 acutely hospitalized patients. Methods: We analyzed administrative data from Lombardy, a Northen Italian region, in individuals aged ≥50 years who were hospitalized and discharged alive in 2018 for acute conditions or, between February 2020 and June 2022, for COVID-19. Outcomes included NH institutionalization rates within 180 post-discharge day and mortality following NH admission. Kaplan-Meier curves and Cox proportional hazard models adjusted for age, sex, and comorbidities were used to assess the risks. Results: Among 133,216 COVID-19 hospitalizations in 2020-2022 and 239,099 acute hospitalizations in 2018, institutionalization rates within 180 post-discharge days were similar (3.7% for both cohorts). However, COVID-19 patients had higher adjusted risks of institutionalization (HR 1.70; 95% CI 1.63-1.78) and mortality within 6 months after NH admission (HR 2.08; 95% CI 1.90-2.27). Differences were more pronounced when considering patients hospitalized during the first COVID-19 pandemic wave. Conclusion: COVID-19 hospitalization significantly increases the risks of admission to NHs and early mortality after institutionalization in older individuals compared to hospitalizations due to other acute conditions.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».