Nursing Home Characteristics Associated with Resident Transfers to Emergency Departments
Bibliographic record
Abstract
RÉSUMÉ Cette étude a examiné comment la propriété des maisons de soins infirmiers porte sur les taux de transfert des services urgences (SU), comment les caractéristiques organisationnelles des installations sont réparties entre les groupes de propriété, et comment ces caractéristiques sont associées aux taux de transfert SU. L’échantillon comprenait une cohorte rétrospective de résidents des maisons de soins infirmiers dans la région de Vancouver Coastal Health (n = 13,140). Les taux de transferts SU ont été comparés entre les différents types de propriété des foyers de soins. Pour une analyse exploratoire, des données administratives ont ensuite été liées aux données provenant d’enquêtes auprès des caractéristiques organisationnelles des installations. Taux de transfert brut (SU transferts/100 ans résidents) étaient de 69, 70 et 51, respectivement, dans les installations à but lucratif, celles à but non-lucratif et les installations publiques. Avec des contrôles pour le sexe et l’age, la propriété publique a été associée aux taux de transfert SU inférieurs à ceux des installations à but lucratif et sans but lucratif. Les résultats ont aussi démontré un montant total plus élevé associé aux heures de soins directs infirmières par journée/résident, et la présence de personnel de Allied Health – qui sont présents de manière disproportionnée dans les installations de propriété publique – ont été associés aux taux de transfert inférieurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".