DRIVING INTELLIGENT DECISIONS IN HEALTHCARE WITH RECOVERY-AWARE SYSTEM REDESIGN
Notice bibliographique
Résumé
Delayed hospital discharge, often recorded as Alternate Level of Care, remains a persistent barrier to safe and timely transitions for older adults. This thesis integrates three studies that move from system diagnosis to temporal analysis of functional change to interpretable prediction that can inform planning. Article 1 is an in-depth scoping review of 23 systematic reviews and more than 700 studies. It shows that discharge delays arise from structural and operational gaps in information flow, coordination, and decision rights. It proposes a continuous process improvement model that treats discharge as an iterative cycle of planning, measurement, learning, and adaptation, which sets requirements for later analyses. Article 2 analyzes 878,000 longitudinal observations from Veterans Affairs long term care. Using survival and count models, it quantifies the timing and recurrence of recovery and decline across functional domains. Results show that change is heterogeneous and domain specific, with clear differences by sex and limited added value for chronological age. These findings justify measuring early and late improvement and motivate simple, transparent profiles of recovery. Article 3 applies these ideas to Ontario data from the Institute for Clinical Evaluative Sciences, more than 1.8 million episodes from 2004 to 2023. It engineers early, late, and total gains and constructs rule based Recovery Archetypes, then trains a gradient boosted model to explain ALC duration. Explanations highlight locomotion rate of gain, bathing and shower transfer improvements, and late mobility gains as leading drivers. The framework supports episode-level risk stratification, earlier intervention, capacity planning, and evaluation of policy periods. Together, the studies contribute a system map and process model, a temporal measurement strategy for functional data, and a transparent predictive tool that turns routine records into decision-ready insight for safer and more responsive discharge planning
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 | 0,026 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,004 |
| 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 ».