Post discharge issues identified by a call-back program: identifying improvement opportunities
Notice bibliographique
Résumé
Objectives: The period following discharge from the hospital is one of heightened vulnerability. Discharge instructions serve as a guide during this transition. Yet, clinicians receive little feedback on the quality of this document that ties into the patients’ experience. We reviewed the issues voiced by discharged patients via a call-back program and compared them to the discharge instructions they had received. Methods: At our institution, patients receive an automated call forty-eight hours following discharge inquiring about progress. If indicated by the response to the call, they are directed to a nurse who assists with problem solving. We reviewed the nursing documentation of these encounters for a period of nine months. The issues voiced were grouped into five categories: communication, medications, durable medical equipment/therapies, follow up and new or ongoing symptoms. The discharge instructions given to each patient were reviewed. We retrieved data on the number of discharges from each specialty from the hospital over the same period. Results: A total of 592 patients voiced 685 issues. The numbers of patients discharged from medical or surgical services identified as having issues via the call-back line paralleled the proportions discharged from medical and surgical services from the hospital during the same period. Nearly a quarter of the issues discussed had been addressed in the discharge instructions. The most common category of issues was related to communication deficits including missing or incomplete information which made it difficult for the patient to enact or understand the plan of care. Medication prescription related issues were the next most common. Resource barriers and questions surrounding medications were often unaddressed. Conclusions: Post discharge issues affect patients discharged from all services equally. Data from call back programs may provide actionable targets for improvement, identify the inpatient team’s ‘blind spots’ and be used to provide feedback to clinicians.
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 | 0,007 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».