MétaCan
Menu
Retour à la cohorte

FACTORS CONTRIBUTING TO DEVIATIONS FROM BEST PRACTICE LENGTH OF STAY TARGETS FOR INPATIENT STROKE REHABILITATION BY PATIENT GROUP

2017· other· en· W6927021736 sur OpenAlexaboutno aff

Notice bibliographique

RevueBiblioBoard Library Catalog (Open Research Library) · 2017
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStroke (engine)RehabilitationDysphagiaBest practiceChristian ministryAuditMEDLINEIschemic stroke

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,054
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,371
Écart entre enseignants0,301 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiblioBoard Library Catalog (Open Research Library)Travaux en français237 207