在大型神经运动康复环境中,RCS-E可预测结果和资源配置

科学领域:

• 神经学 神经学
• 康复医学 康复医学 康复医学
• 医疗保健服务研究 医疗服务研究

背景情况:

• 评估康复复杂性对于有效的患者管理和资源分配至关重要.
• 康复复杂度扩展 (RCS-E) 是一个旨在量化这种复杂性的工具.
• 对于医疗保健系统来说,了解RCS-E对患者结果和财务报销的预测能力至关重要.

研究的目的:

• 评估RCS-E在测量康复复杂性的可靠性.
• 确定基线变量,包括RCS-E,可以预测康复停留的有效性.
• 探索RCS-E在预测医院住院费用补偿方面的作用.

主要方法:

• 在16个神经运动康复单位,对4091名住院患者进行了回顾性观察性研究.
• 收集的数据包括人口统计数据,停留时间,修改的兰金表 (mRS),修改的巴特尔指数 (mBI),RCS-E分数和退款.
• RCS-E得分分为低 (<8),中 (8-10),高 (>10) 复杂度的组.

主要成果:

• 在RCS-E得分和mBI (rho=-0.53),停留时间 (rho=0.41) 和先发病的mRS (rho=0.23) 之间观察到显著的相关性.
• 高复杂性组 (RCS-E>10) 的患者表现出更低的康复效率和有效性.
• 入院时的RCS-E和mBI与总偿还有显著的相关性 (rho=0.48和rho=-0.43,分别),RCS-E预测在释放时的mBI.

结论:

• RCS-E是评估神经和骨科康复复杂性的可靠和有用的工具.
• RCS-E有效地预测患者的结果,并可以为医疗保健融资模式提供信息.
• 这些发现支持RCS-E在优化康复过程和资源管理方面的实用性.