FACTORS CONTRIBUTING TO DEVIATIONS FROM BEST PRACTICE LENGTH OF STAY TARGETS FOR INPATIENT STROKE REHABILITATION BY PATIENT GROUP
Notice bibliographique
Résumé
Methods: For inpatient stroke rehabilitation, the Ministry of Health in Ontario sets length of stay (LOS) targets based on evidence for each of seven Stroke Rehabilitation Patient Groups (RPG). From June 2016 to February 2018 we monitored deviations from the recommended length of stay for all stroke clients admitted to a 26-bed inpatient stroke rehabilitation unit. RPGs classify admitted patients using an algorithm based on age and scores on the Functional Independence Measure, into categories based on burden of care, ranging from mild disability to severe disability.Analysis: 156 admissions were analyzed for number of days deviating from the LOS targets by RPG and reasons for that deviation. Discharge destination was also considered.Results: Cases were identified in which LOS targets were exceeded (patients stayed beyond the recommended time) or when actual LOS was shorter than the recommended target. Patients discharged early had met their rehabilitation goals and these cases resulted in a total of 510 u2018savedu2019 days. While patients exceeding the recommended LOS accounted for a total of 579 additional days in hospital. These patients did so for a variety of reasons. Medical complications and mobility/ADL goals not yet met were the two most common reasons for delay in discharge, with delays caused by discharge planning and goals for dysphagia being the next two most common reasons. Conclusion: Identifying themes contributing to cases in which best practice LOS targets are exceeded will help to identify health services needed in order to proactively address these issues and improve flow.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,014 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,021 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».