XiaoMi-AI文件搜索系统
World File Search System入院
糖尿病患者的医院再入院数据
描述了1999 - 2008年的130家美国医院的临床护理数据，改编自研究Strack等。（2014）。每行描述了与糖尿病患者的``相遇''，包括有关人口统计学，药物，患者病史，诊断，付款和再入院的变量。
减少心力衰竭疗养院居民的再入院率
背景和目的：由于生物生理因素与次级组织的相互作用，心力衰竭的疗养院居民受到再入院的影响无关。健康的社会决定因素进一步恶化了这种人口中种族和少数族裔的再入院率的差异。心力衰竭管理的指南存在，但有限的证据表明，这些指南在减少疗养院的再入院时是eC的。该项目的目的是评估基于证据的心力衰竭方案对疗养院居民30天再入院以及护士对心力衰竭知识的影响。方法：该项目限制了预测的最终介入设计，以比较基线和中学后的再入院率和知识。基于证据的策略包括体重监测，钠restricɵon和sta效应。使用经过验证的教育工具测量心力衰竭知识。14个和20名养老院居民在犯前和后的群体中进行了划分，在美国西部的一家疗养院发生的教育室中，八名持牌护士在教育中进行。结果：在30天的再入院中，没有明显的减少。与白人相比，黑人或非裔美国人和亚洲人的再入院率更高。心力衰竭知识从基线到中学后有显着改善。结论：心力衰竭特定于中间的介入对恢复的影响很小。心力衰竭教育增加了对持牌护士的知识，并可能会改善疗养院的心力衰竭护理。intainɵon：涵盖医学诊断的广泛介入，专注于改善老年人的护理以及针对健康的社会决定因素可能会减少再入院率，并且需要在未来的质量改进方面进行探索。应定期提供心力衰竭教育，并将其扩展到护理助理。关键字：再入院，心力衰竭，疗养院，熟练的护理设施，种族差异
机器学习利用入院时的数据预测创伤性脑损伤后的三种结果：一项开发和验证的多中心研究
摘要 准确识别可从有希望的治疗方法中受益的患者非常困难，这使得证明创伤性脑损伤 (TBI) 新疗法的有效性变得具有挑战性。尽管机器学习越来越多地应用于这项任务，但现有的二元结果预测模型不足以对 TBI 患者进行有效分层。本研究的目的是开发一个准确的三类结果预测模型，以便对患者进行适当的分层。为此，使用自 2018 年 1 月以来日本六家医院收治的 1200 名钝性 TBI 患者（每家机构 200 例连续病例）的回顾性平衡数据进行模型训练和验证。我们纳入了在急诊科获得的 21 个预测因子，包括年龄、性别、六项临床发现、四个实验室参数、八个计算机断层扫描结果和一项紧急开颅手术。我们开发了两种机器学习模型（XGBoost 和密集神经网络）和逻辑回归模型，以根据出院时的格拉斯哥预后量表扩展版 (GOSE) 预测三类结果。使用 n = 1000 的训练数据集开发预测模型，并使用引导法在验证数据集（n = 80）和测试数据集（n = 120）上进行两轮验证，评估其预测性能。在总共 1200 名患者中，患者年龄中位数为 71 岁，199 名（16.7%）患有严重 TBI，104 名患者（8.7%）接受了紧急开颅手术。住院时间中位数为 13.0 天。三级结果为 709 例患者（59.1%）恢复良好/中度残疾，416 例患者（34.7%）严重残疾/植物状态，75 例患者（6.2%）死亡。XGBoost 模型在最终验证中表现良好，灵敏度为 69.5%，准确率为 82.5%，受试者工作特征曲线下面积为 0.901。在受试者工作特征曲线分析方面，XGBoost 略胜于基于神经网络和逻辑回归的模型。特别是，XGBoost
标准化充血性心力衰竭教育以减少再入院率
此项目/顶峰 - 全球访问是由USF奖学金的所有论文，论文，capstones and Projects免费提供给您的全球访问权限：数字存储库 @ gleeson Library | Geschke中心。已被USF奖学金的授权管理员：数字存储库 @ gleeson Library |已被纳入Master的项目和Capstones | Geschke中心。有关更多信息，请联系repository@usfca.edu。
的病因和30天再入院的预测因子...
背景和目标：历史上有20％的心力衰竭再入院（HF），导致患者的发病率高和医疗保健系统的高财务成本。不断变化的人口景观和风险因素动态授权HF再入院的周期性流行病学重新评估。方法：国家再入院数据库（NRD，2019年）用于识别与HF相关的医院的效率，并评估了人口统计学，入院特征和合并症的患者之间的合并症不同，并且在30天内未入学的患者之间的经典。分析了全原因，HF特异性和非HF相关再入院的原因和预测因素。结果：在48,971例HF患者中，已读的队列年轻（平均67.4 vs. 68.9岁，P≤0.001）的男性比例较高（56.3％vs.53.7％），最低收入四分位数（33.3％vs. 28.9％），Charlson Comorbitie Index（33.9％）（61％）（61％）。资源利用用于大型床尺寸住院，医疗补助招待会，平均住院时间（6.2 vs. 5.4天）以及对其他设施的处置（23.9％vs 20％），比未读书。再入院率（30天）的率为21.2％（10,370），心血管造成50.3％（HF最常见：39％），而非心血管为49.7％。独立的再入院预测因素是男性，社会经济状况较低，非选择性入院，心房颤动，慢性观察性肺部疾病，慢性肾脏疾病，贫血和CCI≥3。HF特异性再入院术与先前的冠状动脉疾病和医疗补助入学率显着相关。结论：我们的分析表明，对于HF本身的30天再入院，心脏和非心因素的再入院原因同样普遍，这是最常见的依恋症，强调了解决心脏和非心脏AC的合并症的重要性，以减轻重新入院风险。
分析院前充血性心力衰竭护理的现行实践和制定预防再入院的方案。
该项目由 Digital Commons @ Otterbein 的学生研究与创意工作免费提供给您，供您开放访问。该项目已被 Digital Commons @ Otterbein 的授权管理员接受，纳入护理实践博士学术项目。如需更多信息，请联系 digitalcommons07@otterbein.edu。
创伤性脑损伤前后监狱入院人数的变化
摘要 目的 创伤性脑损伤 (TBI) 在监禁人群中的集中程度不同。尽管这一观察结果一致，但与 TBI 相关的个体内刑事司法接触变化的时间仍未得到充分研究。例如，之前的研究主要将 TBI 视为后来刑事司法接触的因果影响。然而，TBI 也可能是刑事司法接触或犯罪生活方式的结果。本研究通过检查首次报告的 TBI 之前、前后和之后的刑事司法接触，同时观察了这两种可能性。方法 根据 2017 年 2 月至 2017 年 9 月期间入狱且在 21 岁或以上首次报告 TBI 的监狱队列的自我报告和终生官方记录数据（N = 531），本研究调查了首次报告 TBI 之前 24 个月和之后 24 个月以及八个半年间隔内的监狱入狱情况（N = 4,248 人次）。结果 TBI 前，任何和轻罪的认罪率略有增加，并且在 TBI 期间和之后继续增加，从未回到 TBI 之前的水平。重罪认罪率在受伤时保持稳定，在 TBI 后增加。结合对照组的进一步分析表明，这些模式是 TBI 组所独有的，而不是更大的系统过程的结果。结论这些研究结果表明，TBI 后入狱的可能性最大，但在持续 TBI 之前也会增加。
因跌倒相关伤害入院的患者中酒精和其他药物使用情况的流行率：系统评价
摘要 背景 酒精和其他药物 (AOD) 的使用是导致严重伤害的一个关键可预防风险因素。迄今为止的预防策略主要集中在运输伤害上，尽管 AOD 的使用是其他伤害原因（包括跌倒）的重要风险因素。本系统评价旨在报告因跌倒相关伤害到医院就诊的患者中使用 AOD 的流行率。方法 本系统评价包括 2010 年后以英文发表的研究，这些研究客观地测量了因跌倒相关伤害到医院就诊的患者中使用 AOD 的流行率。两名独立审阅者完成了筛选、数据提取和偏倚风险评估。数据以叙述综合和（如适用）荟萃分析的方式呈现。结果 共筛选了 12 707 条记录。检索了 2042 条记录的全文，其中纳入 29 条。四项研究报告了酒精和/或药物使用的综合流行率，得出的汇总流行率估计为 37%（95% CI 25% 至 49%）。 22 份记录仅报告了急性饮酒的流行率，9 份记录专门报告了除酒精以外的其他药物的流行率，流行率分别为 2% 至 57% 和 7% 至 46%。流行率估计值的差异可能是由于不同研究的毒理学测试方法不同所致。结论 AOD 暴露在住院跌倒相关伤害中很常见。然而，针对不同类型跌倒和使用除酒精以外的其他药物的流行率的研究有限。未来的研究应解决这些领域，以加深我们对 AOD 和伤害预防策略应针对哪些人群的理解。PROSPERO 注册号 CRD42020188746。
降低心力衰竭患者的医院再入院率：基于证据的质量改善项目
批准：Denisco Susan Susan Denisco，DNP，APRN，FNP-BC，FAANP项目顾问4-21-23签名印刷名称角色日期rita luongo rita luongo luongo，MSN，MBA，MBA，MBA，区域VP项目MENTO 4-21-21-21-21-23 4-21-23签名印刷名称角色日期
通过实施远程医疗教育和筛查计划，减少30天心力衰竭医院再入院率
该项目是由USF奖学金的所有论文，capstones and Capstones and Projects带给您的，并开放访问：数字存储库 @ gleeson Library | Geschke中心。已被USF奖学金授权管理员纳入护理医生（DNP）项目：数字存储库 @ gleeson图书馆| Geschke中心。有关更多信息，请联系repository@usfca.edu。