O projeto foi movido para versão open source no Sourceforge: https://sourceforge.net/p/vascular-prediction/wiki/Home/
A readmissão precoce de pacientes hospitalizados tem aumentado nos últimos anos, tanto como uma forma de avaliação pública quanto para o pagamento por performance. O problema de readmissão é fundamentalmente diferente em pacientes cirúrgicos em comparação com pacientes médicos. Assim, há uma oportunidade de intervir antes da cirurgia para diminuir o risco de readmissão no pós-operatório.
Neste estudo, foi desenvolvido um modelo preditivo de readmissão hospitalar de 90 dias para pacientes submetidos à endarterectomia carotídea eletiva, bypass aortofemoral/reparo de aneurisma aórtico e bypass arterial femoral-distal. Os dados foram coletados do Healthcare Cost and Utilization Project State Inpatient Database para o estado da Flórida. O treinamento do modelo seguiu um método de reamostragem aninhado com subamostragem para aumentar a velocidade de execução e reduzir o overfitting.
Os resultados mostram que 30,3% dos 246.405 pacientes analisados foram readmitidos dentro de 90 dias. Os pacientes readmitidos eram mais propensos a serem admitidos via emergência, possuíam um índice de comorbidade de Charlson maior que 3, um escore van Walraven maior e tempo de internação mais longo. A endarterectomia foi o procedimento mais comum.
O modelo que melhor previu a readmissão foi a Análise Discriminante de Contração (Shrinkage Discriminant Analysis), que teve como variáveis importantes o tempo de internação, escores de comorbidade, o tipo de procedimento e o tipo de admissão. A análise de sobrevivência para o tempo de readmissão após os procedimentos cirúrgicos demonstrou que os pacientes com pontuação de comorbidade de Charlson maior que três, os transferidos para um hospital de curto prazo, home healthcare, outros tipos de instalação ou com alta contra recomendação médica, além daqueles com tempo de internação mais longo, apresentaram risco mais elevado de readmissão.
Em conclusão, o modelo proposto neste estudo estratifica o risco de readmissão com base no tipo de procedimento vascular, sugerindo que as tentativas de diminuir a readmissão vascular devem se concentrar em procedimentos de emergência. Essa estratificação de pacientes por risco de readmissão fornece um recurso adicional para identificar e prevenir readmissões desnecessárias, o que é especialmente importante na atual conjuntura, onde há uma pressão crescente para evitar readmissões não planejadas.
The project has been moved to an open source version on Sourceforge: https://sourceforge.net/p/vascular-prediction/wiki/Home/
Early hospital readmissions have been increasing in recent years, both as a form of public evaluation and for pay-for-performance. The readmission problem is fundamentally different in surgical patients compared to medical patients. Thus, there is an opportunity to intervene before surgery to decrease the risk of readmission postoperatively.
In this study, a predictive model of 90-day hospital readmission was developed for patients undergoing elective carotid endarterectomy, aortofemoral bypass/aortic aneurysm repair, and femoral-distal arterial bypass. Data were collected from the Healthcare Cost and Utilization Project State Inpatient Database for the state of Florida. Model training followed a nested resampling method with subsampling to increase execution speed and reduce overfitting.
Results show that 30.3% of the 246,405 patients analyzed were readmitted within 90 days. Readmitted patients were more likely to be admitted via emergency, had a Charlson comorbidity index greater than 3, a higher van Walraven score, and longer length of stay. Endarterectomy was the most common procedure.
The model that best predicted readmission was Shrinkage Discriminant Analysis, with important variables including length of stay, comorbidity scores, type of procedure, and admission type. Survival analysis for the time to readmission after surgical procedures demonstrated that patients with Charlson comorbidity score greater than 3, transferred to a short-term hospital, home healthcare, other types of facility, or discharged against medical advice, as well as those with longer length of stay, had a higher risk of readmission.
In conclusion, the model proposed in this study stratifies readmission risk based on vascular procedure type, suggesting that attempts to decrease vascular readmission should focus on emergency procedures. This stratification of patients by readmission risk provides an additional resource to identify and prevent unnecessary readmissions, which is especially important in the current context where there is increasing pressure to prevent unplanned readmissions.
https://journals.sagepub.com/doi/10.1177/2050312120909057
Machine learning in prediction of individual patient readmissions for elective carotid endarterectomy, aort… by Alexandre Amato on Scribd
Machine learning in prediction of individual patient readmissions for elective carotid endarterectomy, aort… by Alexandre Amato on Scribd