Quel est le risque de survenue d’événements indésirables chez les patients hospitalisés en attente d’être placés en soins de longue durée ?
Bibliographic record
Abstract
Introduction. Au Canada, un nombre grandissant de patients âgés, suite à une admission à l’hôpital, sont désignés comme ayant besoin d’autres niveaux de soins (ANS) en attendant d’être placés dans un établissement de soins de longue durée (SLD). Cette situation crée des problèmes d’infrastructure en raison de l’utilisation de ressources, normalement allouées aux soins aigus, pour des séjours disproportionnellement longs. Étant donné que l’environnement hospitalier est inadapté aux besoins des patients d’ANS, le risque de survenue d’événements indésirables est augmenté chez cette population. Méthodologie. Dans cette étude descriptive rétrospective, nous avons analysé les événements indésirables associés aux soins chez 156 patients d’ANS, âgés de 65 ans et plus, en attente d’être placés en SLD après admission à l’hôpital (deux hôpitaux de London, Ontario), entre 2015 et 2018. Nous avons observé l’incidence des infections et le nombre de jours de traitements antimicrobiens. Nous avons également observé l’incidence d’événements indésirables non infectieux, y compris, confusion, chutes, événements thrombotiques veineux et escarres. Nous avons utilisé un modèle spline 1 cubique restreint afin de caractériser les événements indésirables en fonction de la durée de séjour. Résultats. Les patients ont attendu, en moyenne, 56 jours (de 6 à 333 jours) avant d’être placés en SLD et sept patients sont décédés avant d’être placés. Nous avons enregistré un total de 362 événements indésirables accumulés sur 8668 jours d’ANS: 95 infections et 268 événements indésirables non infectieux. Les infections nosocomiales les plus fréquentes étaient les infections des voies urinaires et les infections respiratoires. Les événements indésirables non infectieux les plus fréquents étaient la confusion et les chutes. Le nombre total de jours de traitement antimicrobien était de 620. Conclusion. Les patients d’ANS subissent un nombre significatif et prévisible d’événements indésirables pendant leur séjour. L’incidence de ces événements indésirables devrait mettre en alerte les acteurs des soins de santé sur les risques qu’encourent les patients d’ANS et sur le besoin de mettre en place des stratégies qui minimisent ce type de séjour.
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 | 0.003 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".