MétaCan
Menu
Retour à la cohorte
Enregistrement W7117121652 · doi:10.2196/80529

Effectiveness of Postdischarge Telephone Calls in Reducing Hospital Utilization: Quasi-Randomized Controlled Trial

2025· article· en· W7117121652 sur OpenAlexaff
Sandie Du, A Anada, Maruie Maitland, Sean Chuan, Sonia Jose, Harveer Sihota, D.G. Cooper, Joanna Marie B. Rivera, Dianne Burditt, Minetaro Naruki-van Velzen, Megan MacPherson

Notice bibliographique

RevueJournal of Medical Internet Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Failure Treatment and Management
Établissements canadiensUniversity of British ColumbiaFraser Health
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialTelemedicineMEDLINETelehealthHealth careTelephone call

Résumé

récupéré en direct d'OpenAlex

Background: Unplanned emergency department (ED) visits and hospital readmissions following discharge contribute to patient distress, increased health care costs, and system inefficiencies. Early postdischarge follow-up can improve care transitions, yet evidence on the effectiveness of telephone-based interventions remains mixed. Telephone calls, a low-barrier form of digital health, may enhance equity and accessibility by reaching patients who face challenges with in-person or higher-technology follow-up. Objective: This study evaluated the impact of a nurse-led postdischarge telephone intervention delivered by Fraser Health Virtual Care on short-term ED visits and hospital readmissions among recently discharged high-risk patients. Secondary objectives included examining patient experiences with the service and identifying care gaps addressed during follow-up calls. Methods: A pragmatic quasi-randomized trial was conducted (May 2022-September 2022). Participants were eligible if they were aged 18 years or older and classified as high-risk for readmission using the LACE (Length of stay, Acuity of admission, Comorbidities, and Emergency department use) index (≥10 or <9 and ≥45 y). Participants were allocated to either a postdischarge telephone intervention group or a standard care control group based on daily nurse availability. Intervention participants received a structured nurse-led call 48 hours after discharge assessing understanding of discharge instructions, medication management, follow-up appointments, and home supports. Primary outcomes were ED visits within 7 and 30 days post call; secondary outcomes were hospital readmissions and patient experience. Negative binomial regression models were used to calculate adjusted incident rate ratios (IRRs). Results: A total of 7091 participants were included (intervention: n=3911, of whom 1752 completed the call; control: n=3180). Postdischarge calls significantly reduced ED visits at both 7 days (adjusted IRR 0.719, 95% CI 0.617-0.837; P<.001) and 30 days (IRR 0.878, 95% CI 0.783-0.983; P=.02). No statistically significant reductions were observed in hospital readmissions at either 7 days (IRR 0.809; P=.13) or 30 days (IRR 0.942; P=.54). Forty percent of completed calls (n=701) identified at least 1 gap in discharge understanding or follow-up care. Most participants found the calls helpful and reported increased confidence in managing their care. Conclusions: Structured nurse-led postdischarge telephone calls significantly reduced short-term ED utilization but did not impact readmission rates. These findings support the role of telephone-based virtual care as a scalable, low-barrier strategy to improve care transitions and reduce avoidable ED visits. Additional or ongoing interventions may be required to influence hospital readmission outcomes among high-risk patients.

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)0,007
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0070,005
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0220,002

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 Opus0,037
Tête enseignante GPT0,424
Écart entre enseignants0,387 · 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'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetHeart Failure Treatment and ManagementTravaux en français237 207