The Identification of Clinically Relevant Readmission Risk Factors in Previously Hospitalized Albertan Heart Failure (HF) Patients: A Modified Delphi Process
Notice bibliographique
Résumé
Introduction: Heart failure (HF) is a leading national cause of hospitalization. Canadians hospitalized with HF have a 20% 30-day readmission rate. Readmission risk prediction (RRP) helps providers plan follow-up patient care, decreasing readmission risk. Current RRP models have low predictive ability. There is poor consensus on variables to include in RRP models. RRP models often use clinician-derived variables. However, including patient perspectives encourages the integration of sociodemographic and healthcare utilization variables in RRP models. To our knowledge, there are no previously published works on clinician/ non-clinician derived variables for an RRP. The aim was to formulate a list of variables deemed necessary for inclusion in an RRP model by both clinicians and non-clinicians. Methods: An in-depth literature review revealed variables associated with readmission risk in HF patients. A modified Delphi process was used as the consensus-reaching method. A survey was administered to 13 panelists for a total of 3 rounds. Panelists included clinicians who varied in clinical expertise, profession, and years of practice. Also included were patients with HF and their caregivers. Results were summarized using medians, interquartile range (IQR) and narrative synthesis. Results: A total 61 of 99 original variables reached consensus for association with readmission risk in HF patients. Variables were grouped into 6 domains. The domains with the lowest consensus were Clinical Features and Treatment. Comorbidities and Sociodemographic reached high levels of consensus. Within the systematic reviews, of the 19 variables not reaching agreement on association with readmission risk, 10 reached consensus in the Delphi. The five variables that were heavily reported in the literature and reached high % consensus in the Delphi were: “follow-up with a multi-disciplinary team”, “elevated BNP” ,“elevated Creatinine”, “ACE-I” and “ARB” prescriptions upon discharge. Conclusion: The combination of clinicians and non-clinicians using a Delphi method to establish variables associated with readmission risk in HF patients proved to be productive. A final list of 61 variables has been proposed for inclusion in RRP models. These variables may be able to be abstracted from the electronic medical record (EMR) and will be included in an RRP model in the province of Alberta using local EMR systems.
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 | 0,155 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».