Abstract(resumo):

Objetivo: mapear sistematicamente a produção científica relacionada à usabilidade e aplicabilidade do escore LACE como ferramenta preditiva de readmissão hospitalar precoce e mortalidade. Método: Trata-se de uma revisão de escopo, guiada pelas diretrizes propostas pelo JBI, abrangendo oito bases de dados e literatura cinzenta. Resultados: Foram incluídas 28 publicações, a maioria com população estrangeira, no período de 2011 a 2023, houve maior prevalência de coortes retrospectivas, com nível de evidência 3, segundo os critérios do Oxford Centre for Evidence-based Medicine. O escore LACE foi predominantemente utilizado como preditor de readmissão e mortalidade, especialmente em pacientes de clínica médica. Conclusão: Conclui-se que, há lacuna significativa na literatura devido à predominância de estudos retrospectivos e a ausência de estudos prospectivos com alto nível de evidência, além do seu uso isolado como ferramenta preditora de mortalidade.

Keywords(palavra-chave):

Continuidade da Assistência ao Paciente; Cuidados de Enfermagem; Cuidado Transicional; Readmissão do Paciente; Mortalidade.

Content(conteúdo):

INTRODUÇÃO
A readmissão hospitalar é definida como a admissão subsequente à alta atual, também conhecida como admissão índice, ocorrendo dentro de um intervalo de tempo predefinido (1,2). No contexto pós-alta hospitalar, tal ocorrência é categorizada como precoce quando ocorre em até 30 dias. Geralmente, a readmissão precoce é utilizada como métrica na avaliação do desempenho hospitalar, sendo considerada um indicador de qualidade da assistência prestada (3,4).
Estudos apontam que a taxa média de readmissão hospitalar em até 30 dias varia entre 15% e 20% (5,6). Vale destacar que essas readmissões precoces geram um impacto financeiro considerável para o sistema de saúde(7). Nos Estados Unidos, 19,6% dos pacientes internados são readmitidos em até 30 dias, gerando um custo anual de aproximadamente 17,4 bilhões de dólares. No Reino Unido, o impacto financeiro dessas readmissões é estimado em cerca de 2,5 bilhões de libras esterlinas por ano. No Canadá, na cidade de Ontário, os custos previstos devido a readmissões atingem 105 milhões de dólares anualmente (4,8,9).
Diversos países têm direcionado pesquisas para entender as taxas de readmissão, abrangendo diferentes conjuntos de análise. Em Singapura, a taxa de readmissão foi 15,5% (10), Canadá de 12,6% (11) e Austrália de 11,8% entre pacientes com infarto agudo do miocárdio (12). No Reino Unido, a taxa de readmissão entre os pacientes idosos foi de 17,8% (13), e na Dinamarca, chegou a 18,9% (14).
Dado o impacto financeiro, o estresse do paciente e o aumento do risco de morte associados às readmissões hospitalares, estudos institucionais são cruciais para estabelecer medidas de acompanhamento pós-alta e propor intervenções mais intensas de cuidados de transição, visando reduzir os gastos com readmissões, diminuir a taxa de mortalidade e melhorar a qualidade da assistência (15,16).
No entanto, observa-se que a redução nas taxas de readmissão hospitalar tornou-se uma preocupação importante em economias desenvolvidas, mas ainda é incipiente em países em desenvolvimento, como o Brasil. Pesquisas realizadas no Brasil revelaram índices de readmissão de até 31,7%, sendo mais prevalentes em pacientes com internação inicial inferior a sete dias, adultos com condições médicas pré-existentes, e em hospitais com mais de 100 leitos (7,17,18).
Dada a complexidade do problema, com tantas variáveis interagindo como causa, é importante utilizar-se de ferramentas que permitam identificar os pacientes com maior risco de readmissão precoce e morte, o que pode ser útil para indicar o desempenho do atendimento e direcionar ações de melhoria, fortalecendo a tomada de decisão, garantindo resultados mais seguros para os pacientes e menores custos operacionais para as instituições hospitalares (16,17).
Desenvolvido por Carl van Walraven e colaboradores no Canadá em 2010, o escore LACE, considera quatro variáveis relativas a uma internação, cujas primeiras letras de cada item compõem o nome do escore (mnemônico em inglês): tempo de permanência (Lengh of stay), urgência da admissão (Acute admission), comorbidades presentes (Charlson comorbity index) e número de consultas em pronto-atendimento nos seis meses anteriores a internação atual (Emergency department visits) (19).
Validado em diversos países, incluindo Inglaterra, Austrália e Brasil no ano de 2020, destaca-se como uma ferramenta de avaliação da qualidade do atendimento (1,18,19), a pequena quantidade de variáveis torna-o uma ferramenta de boa aplicabilidade na rotina das equipes hospitalares. Além disso, como não exige a utilização de dados complexos ou externos (exames laboratoriais, laudos complementares, etc.), sua utilização é possível mesmo em hospitais com pouco suporte de sistemas de informação (2,20,21). Portanto, novos estudos que avaliem a usabilidade e aplicabilidade do LACE em amostras de pacientes com perfil epidemiológico distinto e em contextos diversos são necessários.
Neste contexto, propõe-se uma revisão de escopo para mapear sistematicamente a produção científica relacionada à usabilidade e aplicabilidade do escore LACE como ferramenta preditiva de readmissão hospitalar precoce e mortalidade. A revisão proposta oferecerá uma análise abrangente sobre o uso do escore LACE na predição de readmissão hospitalar precoce e mortalidade. Por meio da avaliação da literatura existente, identificará lacunas na pesquisa e fornecerá percepções sobre sua aplicabilidade em diferentes contextos clínicos. Com base nisso, serão apresentadas recomendações práticas para profissionais de saúde e gestores, visando aprimorar a qualidade da assistência e promover práticas clínicas baseadas em evidências.
MÉTODO
Tipo de Estudo:
Este estudo constitui uma revisão de escopo destinada a explorar conceitos essenciais em uma área particular do conhecimento, empregando uma gama diversificada de fontes e abrangendo extensivamente a literatura disponível. Seu propósito é detectar lacunas na pesquisa existente. Ao contrário de outras formas de revisão, que costumam se concentrar em questões específicas, as revisões de escopo formulam perguntas de pesquisa mais amplas e podem incorporar estudos com uma variedade de desenhos metodológicos (22).
Procedimento Metodológico:
O procedimento metodológico adotado neste estudo segue a estratégia proposta pelo protocolo do Instituto Joanna Briggs (JBI)(22), um compêndio de revisão de escopo, implementando uma série de passos entre outubro/2023 e fevereiro/2024.
A organização sistemática da amostra para a condução da pesquisa, estratégia de busca, análise dos estudos e elaboração dos resultados foi realizada utilizando a extensão PRISMA para Revisões de Escopo (PRISMA-ScR) (23).
A revisão preliminar da literatura, etapa inicial (1), proporcionou a confirmação da originalidade do estudo e a identificação de uma literatura significativa para embasar a pesquisa. Esta fase envolveu busca nas fontes de informação da Biblioteca Virtual de Saúde e MEDLINE, utilizando os descritores: LACE, readmissão do paciente e mortalidade. Nessa ocasião, foram identificados os principais termos de indexação e as palavras-chave utilizadas.
Na Etapa (2), foi elaborado o protocolo de pesquisa, visando estabelecer critérios e garantir a transparência e a replicabilidade do processo. Este protocolo foi registrado na plataforma Open Science Framework (OSF), com o identificador DOI https://doi.org/10.17605/OSF.IO/R6SME.
A Etapa (3) concentrou-se na coleta de informações, buscando identificar a predominância de autores e periódicos conforme o tema e o ano de publicação. O protocolo de revisão de escopo do JBI orienta que o título, os objetivos, a questão de pesquisa e os critérios de inclusão sejam construídos com base no mnemônico PCC (População, Conceito, Contexto), ação realizada na Etapa (4).
Dessa forma, a pergunta de pesquisa foi formulada considerando: População – Produções científicas sobre a temática proposta no estudo; Conceitos – Usabilidade e aplicabilidade do escore LACE como preditor de readmissão hospitalar e mortalidade; e Contexto da pesquisa – Todo e qualquer serviço no cenário mundial, chegando a seguinte questão norteadora: " Como a produção científica descreve a usabilidade e a aplicabilidade do escore LACE como preditor de readmissão hospitalar precoce e mortalidade na literatura mundial? "
Coleta e Organização dos Dados
A Etapa 5, correspondeu aos critérios de elegibilidade, selecionados a partir do PCC, conforme orienta o JBI(22), de acordo com o descrito no quadro 1.

Quadro 1

Não estabelecemos restrições temporais para a busca nas bases de dados, permitindo a identificação de estudos em qualquer período e ampliando o escopo dos resultados.
Na Etapa (6), foram conduzidas as buscas nas bases de dados, em 25 de outubro de 2023, utilizamos as bases de dados LILACS e BIREME via Biblioteca Virtual em Saúde, MEDLINE via PUBMED, COCHRANE, CINAHL, SCOPUS, EMBASE, Web of Science, Catálogo de Teses de Dissertações da CAPES e Google Acadêmico®, uma vez que, em revisões de escopo a busca na literatura cinzenta é permitida. A estratégia de busca foi baseada no PCC, onde a população e contexto foram expressos ampliando os filtros da pesquisa, já o conceito nos descritores LACE, readmissão do paciente e mortalidade, as buscas foram realizadas conforme o quadro 2.

Quadro 2

Análise dos dados
Após as buscas, um dos pesquisadores exportou os arquivos para a ferramenta de centralização Rayyan QCRI®, compreendendo a Etapa (7). A seleção dos estudos ocorreu por meio de revisão por pares, com a participação de dois pesquisadores e avaliação cega. Inicialmente, um dos pesquisadores realizou a exclusão dos artigos duplicados, a seguir houve uma seleção preliminar dos estudos através do título e resumo, para identificar a relevância deste para a pesquisa e se preenchia os critérios de inclusão ou exclusão. Os estudos pré-selecionados foram lidos na íntegra, novamente verificando se respeitavam os critérios de elegibilidade.
Em seguida, o cegamento do software Rayyan QCRI® foi removido para identificar quaisquer divergências entre os revisores, para resolver os conflitos encontrados, os pesquisadores discutiram e definiram com base nos critérios de elegibilidade, visando alcançar consenso, os dados relevantes foram extraídos para análise posterior, resultando na amostra final do estudo.
A discussão teórica foi baseada em estudos relevantes relacionados à temática discutida, correspondendo à etapa (8). Para atender a etapa (9), foram extraídos e codificados os seguintes dados dos estudos incluídos na amostra final: título, referência/país, objetivo, tipo de estudo/nível de evidência. Os dados foram tratados e resumidos de acordo com a temática, seguindo as diretrizes do PRISMA-ScR. A análise de conteúdo foi realizada por meio de uma leitura atenta e detalhada dos estudos, que foram agrupados conforme suas semelhanças, demonstrada na figura 2.
Após esta fase, procedeu-se a etapa (10), que compreende a análise das evidências, conduzida através do emprego do instrumento de classificação do nível de evidência científica por tipo de estudo do Oxford Centre for Evidence-based Medicine (CEBM)(28), essencial para garantir a qualidade e confiabilidade dos resultados desta revisão, fornecendo uma base sólida para as conclusões e recomendações apresentadas.
Por fim a etapa (11) com a apresentação dos resultados (Quadro-3).
Aspectos Éticos:
Considerando tratar-se de um estudo de revisão, a presente pesquisa não necessita de análise por um Comitê de Ética em Pesquisa.
RESULTADOS
Foram identificados 329 estudos e documentos com potencial para pesquisa. Dentre esses, 153 foram excluídos devido à duplicidade, resultando em 176 publicações para análise dos títulos e resumos. Após essa etapa, 99 estudos foram descartados por não atenderem à pergunta de revisão, restando 77 para uma análise mais detalhada. Durante a revisão completa, 49 estudos foram excluídos baseados nos critérios de elegibilidade.
Como resultado, a amostra final consistiu em 28 estudos, os quais foram analisados e incluídos nesta revisão, como ilustrado na figura 1.
Foram identificados 27 autores, dos quais apenas 4% (n=1) publicaram mais de um artigo sobre a temática. Quanto à origem das publicações, 88% (n=25) foram em periódicos internacionais, predominantemente na língua inglesa, distribuídas da seguinte forma: 39,2% (n=11) nos EUA, 14,4% (n=4) no Canadá, 14,4% (n=4) no Reino Unido, 10,7% (n=3) na Austrália, 3,5% (n=1) em Singapura, 7,1 % (n=2) na Coréia do Sul, e 10,7 % (n=3) no Brasil.
Os estudos que compuseram a amostra foram publicados entre 2011 e 2023, com maiores percentuais nos anos de 2019, 2020 e 2022 ambos com 14,4% (n=4) em cada ano. Quanto à análise das evidências, verificou-se que 89% (n=25) dos estudos eram coortes retrospectivas, 3,5% (n=1) coortes prospectivas, ambas com nível de evidência 3; 3,5% (n=1) revisões sistemáticas e 3,5% (n=1) ensaio clínico randomizado, ambos com nível de evidência 1.

Fig.1

A codificação dos estudos gerou três grupos, que puderam ser classificados de acordo com sua similaridade. Assim, em 57,2% (n=16) haviam trechos relacionados ao uso e aplicação do escore LACE com preditor de readmissão e mortalidade; em 35,7% (n=10) o uso do escore LACE como preditor de readmissão hospitalar precoce e em 7,1% o uso do escore LACE como preditor de mortalidade.
O escore LACE foi aplicado nas mais diversas populações, sendo 35,7% (n=10) em pacientes de clínica médica; 21,4% (n=6) em pacientes com problemas cardíacos; 10,7% (n=3) pacientes oncológicos; 10,7% (n=3) pacientes cirúrgicos; 3,5% (n=1) pacientes neurocirúrgicos; 3,5% (n=1) pacientes em cuidados paliativos; 3,5% (n=1) em pacientes com pneumonia comunitária, 3,5% (n=1) em pacientes com COVID-19, conforme figura 2.

Figura 2

No quadro 3, são apresentados os estudos incluídos nesta revisão.

Quadro 3

Diante deste contexto, a figura 3 representa as lacunas do conhecimento identificadas nesta revisão de escopo.

Fig.3

DISCUSSÃO

A revisão de escopo realizada demonstrou a aplicabilidade do escore LACE como ferramenta preditiva de readmissão hospitalar precoce e mortalidade, corroborando com achados de diversas publicações com populações estrangeiras (4,8,9). No entanto, a análise dos resultados revela algumas limitações importantes e lacunas na literatura que precisam ser abordadas em pesquisas futuras.
O escore LACE tem sido amplamente utilizado em diferentes contextos clínicos para prever readmissões hospitalares e mortalidade (2,20,43,46). Estudos revisados indicam que o escore é particularmente útil em pacientes de clínica médica, cardiológicos e oncológicos, devido à sua capacidade de integrar variáveis como tempo de permanência, urgência da admissão, comorbidades e visitas ao pronto-socorro nos seis meses anteriores à internação atual (11,12,27,28,35).
Apesar da sua ampla utilização, a maioria dos estudos analisados eram coortes retrospectivas, o que limita a capacidade de estabelecer causalidade e prever eventos futuros de maneira prospectiva (18,33,36). A falta de estudos prospectivos robustos sugere uma necessidade urgente de investigações que possam validar e aprimorar o uso do escore LACE em diferentes populações e contextos de saúde e explorar seu potencial de integração com outras ferramentas preditivas (12,33).
Estudos realizados no Reino Unido e Canadá destacam que o escore LACE é uma ferramenta simples e eficaz para a avaliação de risco, mas apontam a necessidade de ajustes específicos para diferentes populações (13,14). Pesquisas indicam que a inclusão de variáveis adicionais, como fatores socioeconômicos, suporte social (20,41,47) e os seus usos combinados com outras ferramentas preditivas podem melhorar a precisão do escore em prever readmissões e mortalidade (19,24,39).
Além disso, a revisão mostrou que a maioria dos estudos foi conduzida em populações estrangeiras, principalmente em países desenvolvidos, com pouca representação de países em desenvolvimento como o Brasil (11,27,35). Esta lacuna evidencia a necessidade de mais pesquisas locais para avaliar a aplicabilidade e eficácia do escore LACE em diferentes contextos socioeconômicos e culturais. Quanto à variação no desempenho ao ser aplicado em diferentes populações, demonstra o desafio de criar um modelo único que possa ser amplamente utilizado. Este modelo ideal não apenas auxiliaria na triagem de pacientes para programas de prevenção, mas também permitiria a comparação de resultados entre diferentes hospitais e regiões (2,17).
Sendo assim, a utilização do escore LACE pode oferecer uma abordagem rápida e eficaz para identificar pacientes com alto risco de readmissão e mortalidade, permitindo intervenções precoces. No entanto, é essencial que os profissionais sejam cientes das limitações do escore e considerem outros fatores clínicos e sociais que possam influenciar os resultados.
Além disso, incentivar a adoção de abordagens integradas que combinem o escore LACE com outras ferramentas e dados clínicos podem melhorar a precisão das previsões e a qualidade do cuidado pós-alta.
CONCLUSÃO
Os resultados destacam que o escore LACE é amplamente utilizado e considerado eficaz em diversos contextos clínicos. No entanto, a predominância de estudos retrospectivos e a ausência de pesquisas robustas prospectivas indicam a necessidade de mais estudos que validem e aprimorem o uso do escore LACE.
Recomenda-se que futuras pesquisas incluam estudos prospectivos e ensaio clínico randomizados para confirmar a eficácia do escore LACE, além de explorar sua integração com outras ferramentas preditivas. Sobretudo, é essencial considerar a adaptação do escore para diferentes populações e contextos socioeconômicos, especialmente em países em desenvolvimento.
Com base nos achados, profissionais de saúde e gestores podem utilizar o escore LACE como uma ferramenta complementar para melhorar a qualidade do atendimento e reduzir as taxas de readmissão hospitalar e mortalidade, contribuindo assim para um sistema de saúde mais eficiente e baseado em evidências.
CONFLITO DE INTERESSE
Os autores declaram não haver conflitos de interesse.
REFERÊNCIAS BIBLIOGRÁFICAS

1. Flaks-Manov N, Topaz M, Hoshen M, Balicer RD, Shadmi E. Identifying patients at highest-risk: the best timing to apply a readmission predictive model. BMC Med Inform Decis Mak [Internet]. 2019 Dec 26;19(1):118. Available from: https://bmcmedinformdecismak.biomedcentral.com/articles/10.1186/s12911-019-0836-6
2. Soares VS, Pinto MEB. Aplicação do escore LACE para predição de readmissões hospitalares: Uma revisão / Using the LACE index for predicting hospital readmissions: A review. Brazilian J Dev [Internet]. 2021 Dec 29 [cited 2022 May 19];7(12):111550–64. Available from: https://www.brazilianjournals.com/index.php/BRJD/article/view/40652/pdf
3. Mitsutake S, Ishizaki T, Tsuchiya-Ito R, Uda K, Teramoto C, Shimizu S, et al. Associations of Hospital Discharge Services With Potentially Avoidable Readmissions Within 30 Days Among Older Adults After Rehabilitation in Acute Care Hospitals in Tokyo, Japan. Arch Phys Med Rehabil. 2020 May;101(5):832–40.
4. Smeraglio A, Heidenreich PA, Krishnan G, Hopkins J, Chen J, Shieh L. Patient vs provider perspectives of 30-day hospital readmissions. BMJ Open Qual [Internet]. 2019 Jan 7 [cited 2022 Aug 3];8(1):e000264. Available from: http://bmjopenquality.bmj.com/
5. Gheno J, Weis AH. Transição do cuidado na alta hospitalar de pacientes adultos: Revisão integrativa de literatura. Texto Context - Enferm [Internet]. 2021;30:1–26. Available from: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0104-07072021000100506&tlng=en
6. Krishnan S, Hay CC, Pappadis MR, Deutsch A, Reistetter TA. Stroke Survivors’ Perspectives on Post-Acute Rehabilitation Options, Goals, Satisfaction, and Transition to Home. J Neurol Phys Ther. 2019 Jul;43(3):160–7.
7. Mota LCM. Percepção de readmissão de pacientes no ambiente hospitlar como parâmetro da qualidade da assistência. Rev Científica Fac Unimed [Internet]. 2021 Jul 19 [cited 2022 Aug 3];3(1):79–108. Available from: https://revista.faculdadeunimed.edu.br/index.php/RCFU1/article/view/164
8. Damery S, Combes G. Evaluating the predictive strength of the LACE index in identifying patients at high risk of hospital readmission following an inpatient episode: a retrospective cohort study. BMJ Open [Internet]. 2017 Jul 13 [cited 2022 May 19];7(7):e016921. Available from: https://bmjopen.bmj.com/lookup/doi/10.1136/bmjopen-2017-016921
9. Vat M, Common C, Laizner AM ari., Borduas C, Maheu C. Reasons for returning to the emergency department following discharge from an internal medicine unit: perspectives of patients and the liaison nurse clinician. J Clin Nurs [Internet]. 2015 Dec 14 [cited 2022 Jun 9];24(23–24):3605–14. Available from: https://europepmc.org/article/med/26467172
10. Low LL, Tan SY, Ng MJM, Tay WY, Ng LB, Balasubramaniam K, et al. Applying the Integrated Practice Unit Concept to a Modified Virtual Ward Model of Care for Patients at Highest Risk of Readmission: A Randomized Controlled Trial. Puebla I, editor. PLoS One [Internet]. 2017 Jan 3 [cited 2023 Mar 6];12(1):e0168757. Available from: https://dx.plos.org/10.1371/journal.pone.0168757
11. Yazdan-Ashoori P, Lee SF, Ibrahim Q, Van Spall HGC. Utility of the LACE index at the bedside in predicting 30-day readmission or death in patients hospitalized with heart failure. Am Heart J [Internet]. 2016 Sep 1 [cited 2022 May 19];179:51–8. Available from: https://linkinghub.elsevier.com/retrieve/pii/S0002870316300941
12. Labrosciano C, Tavella R, Air T, Zeitz CJ, Worthley M, Beltrame JF. The LACE Index: A Predictor of Mortality and Readmission in Patients With Acute Myocardial Infarction. J Healthc Qual [Internet]. 2021;43(5):292–303. Available from: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85115444263&doi=10.1097%2FJHQ.0000000000000296&partnerID=40&md5=fcc2810aed1f738b7737dc0240039d95
13. Heppleston E, Fry CH, Kelly K, Shepherd B, Wright R, Jones G, et al. LACE index predicts age-specific unplanned readmissions and mortality after hospital discharge. Aging Clin Exp Res [Internet]. 2021;33(4):1041–8. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L2005165437&from=export
14. Cooksley T, Nanayakkara PWBWB, Nickel CHH, Subbe CPP, Kellett J, Kidney R, et al. Readmissions of medical patients: An external validation of two existing prediction scores. QJM [Internet]. 2016 Apr;109(4):245–8. Available from: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84966269239&doi=10.1093%2Fqjmed%2Fhcv130&partnerID=40&md5=c26971f4aed7554a7580eead98abdc8a
15. Cho E, Lee S, Bae WK, Lee J-R, Lee H. Prediction value of the LACE index to identify older adults at high risk for all-cause mortality in South Korea: a nationwide population-based study. BMC Geriatr [Internet]. 2022;22(1):154. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L637361237&from=export
16. Sánchez Y, Zabal JMR, Carmona I, Casado M, Mate CJ, Torres A, et al. The combination of LACE index, MELDon discharge and a previous history of decompensation defines risk groups for early readmission in patients with liver cirrhosis. J Hepatol [Internet]. 2023;78:S248. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L2025892789&from=export
17. Dias BM, Cristina A, Zanetti B, Dias L, Chaves P, Gabriel CS. Ocorrência de readmissões hospitalares em um município de grande porte populacional. Rev Adm em Saúde [Internet]. 2021 Jul 6 [cited 2023 Jan 5];21(83). Available from: https://cqh.org.br/ojs-2.4.8/index.php/ras/article/view/285/431
18. Faria P, Oliveira D, Couto De Abreu AC, Moreira T, Pedrosa G. READMISSÕES HOSPITALARES EM 30 DIAS APÓS A ALTA: UMA ANÁLISE DA SAÚDE SUPLEMENTAR BRASILEIRA. Rev Interdiscip CIÊNCIAS MÉDICAS [Internet]. 2020 Mar 30 [cited 2022 Aug 16];4(1):18–24. Available from: http://revista.fcmmg.br/ojs/index.php/ricm/article/view/284
19. van Walraven C, Dhalla IA, Bell C, Etchells E, Stiell IG, Zarnke K, et al. Derivation and validation of an index to predict early death or unplanned readmission after discharge from hospital to the community. Can Med Assoc J [Internet]. 2010 Apr 6 [cited 2022 May 19];182(6):551–7. Available from: https://pubmed.ncbi.nlm.nih.gov/20194559/
20. Anandan S, Reyes A, Izard S, Magalee CJ, Lopez S. A Retrospective Study Analyzing a Palliative Care-Hospital Medicine Collaboration to Improve Quality of Care of Patients With Advanced Illness. Am J Hosp Palliat Med [Internet]. 2023 Mar 13;40(3):299–310. Available from: http://journals.sagepub.com/doi/10.1177/10499091221101566
21. Farooq U, Gondal AB, Susheela A, Tarar ZI, Malik A, Zafar MU, et al. Does the Route of Cocaine Use Affect the Mortality and Outcomes of Cocaine-Induced Intestinal Ischemia? A Systematic Review. J Investig Med High Impact Case Reports [Internet]. 2021 Jan 18;9:232470962110519. Available from: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85117349135&doi=10.1177%2F23247096211051921&partnerID=40&md5=db49b7c5f39609b54a33c23517bf510b
22. Aromataris E, Lockwood C, Porritt K, Pilla B JZ. JBI Manual for Evidence Synthesis. JBI. 2024. 190 p.
23. Tricco AC, Lillie E, Zarin W, O’Brien KK, Colquhoun H, Levac D, et al. Preferred Reporting Items for Systematic reviews and Meta-Analyses extension for Scoping Reviews (PRISMA-ScR) Checklist SECTION. Ann Intern Med [Internet]. 2018;169(7):11–2. Available from: http://www.prisma-statement.org/Extensions/ScopingReviews
24. Gruneir A, Dhalla IA, van Walraven C, Fischer HD, Camacacho X, Rochon PA, et al. Unplanned readmissions after hospital discharge among patients identified as being at high risk for readmission using a validated predictive algorithm. Open Med [Internet]. 2011;5(2):104–11. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L362826893&from=export
25. Phillips L, Struthers C, Curtin P, Cooper C, Frattini E, Pugliese C, et al. N053 Heart failure (HF) and palliative care: Is using the LACE index helpful? Can J Cardiol [Internet]. 2011 Sep;27(5):S354. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L70608660&from=export
26. Cotter PE, Bhalla VK, Wallis SJ, Biram RWS. Predicting readmissions: Poor performance of the LACE index in an older UK population. Age Ageing [Internet]. 2012 Nov 1;41(6):784–9. Available from: https://www.scopus.com/inward/record.uri?eid=2-s2.0-84867800882&doi=10.1093%2Fageing%2Fafs073&partnerID=40&md5=34f9f3762e6a4a5959259efd4c1a623e
27. Wang H, Robinson RD, Johnson C, Zenarosa NR, Jayswal RD, Keithley J, et al. Using the LACE index to predict hospital readmissions in congestive heart failure patients. BMC Cardiovasc Disord [Internet]. 2014 Dec 7;14(1):97. Available from: https://bmccardiovascdisord.biomedcentral.com/articles/10.1186/1471-2261-14-97
28. Gandin T. AVALIAÇÃO DA TAXA DE READMISSÃO HOSPITALAR NÃO PLANEJADA EM PACIENTES COM INSUFICIÊNCIA CARDÍACA AGUDAMENTE DESCOMPENSADA: estudo de coorte retrospectivo. Universidade Federal do Rio Grande do Sul; 2015.
29. Yian E, Zhou H, Schreiber A, Sodl J, Navarro R, Singh A, et al. Early Hospital Readmission and Mortality Risk after Surgical Treatment of Proximal Humerus Fractures in a Community-Based Health Care Organization. Perm J [Internet]. 2016 Mar 1 [cited 2024 Feb 24];20(1):47–52. Available from: http://www.thepermanentejournal.org/doi/10.7812/TPP/15-065
30. Lau D, Padwal RS, Majumdar SR, Pederson JL, Belga S, Kahlon S, et al. Patient-Reported Discharge Readiness and 30-Day Risk of Readmission or Death: A Prospective Cohort Study. Am J Med [Internet]. 2016 Jan;129(1):89–95. Available from: http://dx.doi.org/10.1016/j.amjmed.2015.08.018
31. Thirlwell S, Donovan KA, Reich RR, Portman D, Hembree TN. Abstracts of the MASCC/ISOO 2017 Annual Meeting. Support Care Cancer [Internet]. 2017 Jun 22;25(S2):21–266. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L616191515&from=export
32. Saluk JL, Blackwell RH, Gange WS, Zapf MAC, Kothari AN, Kuo PC, et al. The LACE Score as a Tool to Identify Radical Cystectomy Patients at Increased Risk of 90-Day Readmission and Mortality. Curr Urol [Internet]. 2018 Oct 1 [cited 2024 Feb 24];12(1):20–6. Available from: https://journals.lww.com/01330296-201812010-00004
33. Dadiomov D, Keefer P, Smith MA. Using the LACE Score as a Predictor of Clinical Outcomes in Patients Referred for Inpatient Palliative Care Consultation: A Single-Center Experience. Am J Hosp Palliat Med [Internet]. 2018 Jul 31;104990911879317. Available from: https://pubmed.ncbi.nlm.nih.gov/30064238/
34. Masoumi A, Barth R, Stern T, Bruno D, LaMattina J, Hanish S. Reducing hospital readmissions: Referral of high risk liver transplant patients to a transitional care coordination(TCC) program. Am J Transplant [Internet]. 2018;18:587. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L622280205&from=export
35. Labrosciano C, Tavella R, Air T, Zeitz C, Worthley M, Beltrame J. Using the LACE Index to Predict 30-day All-cause Unplanned Readmission and Mortality in Acute Myocardial Infarction Patients: Insights from the CADOSA Registry. Hear Lung Circ [Internet]. 2019;28:S328. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L2002234463&from=export
36. Shaffer BK, Cui Y, Wanderer JP. Validation of the LACE readmission and mortality prediction model in a large surgical cohort: Comparison of performance at preoperative assessment and discharge time points. J Clin Anesth [Internet]. 2019 Dec;58(April):22–6. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L2001902869&from=export
37. Watson C, Moss HA, Truong T, Havrilesky L. Utilization of the LACE score to predict 30-day hospital readmission or death in gynecologic oncology patients. Gynecol Oncol [Internet]. 2019;154:215. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L2002078120&from=export
38. Lee M, Lopez S, DeCastro G, Van Ogtrop K. Examining hospital-related outcomes for hospice eligible elderly patients with solid tumors, does hospice enrollment make a difference? J Am Geriatr Soc [Internet]. 2019;67:S305. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L627352818&from=export
39. Fry CH, Heppleston E, Fluck D, Han TS. Derivation of age-adjusted LACE index thresholds in the prediction of mortality and frequent hospital readmissions in adults. Intern Emerg Med [Internet]. 2020 Oct 28;15(7):1319–25. Available from: https://doi.org/10.1007/s11739-020-02448-3
40. JR L, JL N, DA W, V R, BJ D, AS P. Validation of the LACE Index (Length of Stay, Acuity of Admission, Comorbidities, Emergency Department Use) in the Adult Neurosurgical Patient Population. Neurosurgery [Internet]. 2020;86(1):E33–7. Available from: https://pubmed.ncbi.nlm.nih.gov/31364712/
41. Dobler CC, Hakim M, Singh S, Jennings M, Waterer G, Garden FL. Ability of the lace index to predict 30-day hospital readmissions in patients with community-acquired pneumonia. ERJ Open Res [Internet]. 2020;6(2):1–8. Available from: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85103439724&doi=10.1183%2F23120541.00301-2019&partnerID=40&md5=e71c38616411133667586ed6f4cf87a1
42. Soares VS. Validação do escore LACE em uma população brasileira como preditor de readmissão ou óbito em até 30 dias após a alta hospitalar [Internet]. Universidade Federal de Ciências da Saúde de Porto Alegre.; 2020 [cited 2022 May 19]. Available from: http://repositorio.ufcspa.edu.br/jspui/handle/123456789/732
43. Rajaguru V, Han W, Kim TH, Shin J, Lee SG. LACE Index to Predict the High Risk of 30-Day Readmission: A Systematic Review and Meta-Analysis. J Pers Med [Internet]. 2022 Mar 30;12(4):545. Available from: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85128288702&doi=10.3390%2Fjpm12040545&partnerID=40&md5=c4720349007cd8cdba7d5a2848ba04f9
44. Dias BM. Modelo preditivo do risco de readmissão hospitalar no contexto brasileiro [Internet]. [Ribeirão Preto]: Universidade de São Paulo; 2022. Available from: https://www.teses.usp.br/teses/disponiveis/22/22132/tde-08032023-154901/
45. Fluck D, Fry CH, Robin J, Han TS. High LACE index scores are associated with disproportionate excess deaths in hospital amongst patients with COVID-19. Intern Emerg Med [Internet]. 2022 Oct 22;17(7):1891–7. Available from: https://www.embase.com/search/results?subaction=viewrecord&id=L638305103&from=export
46. Fluck D, Rankin S, Lewis A, Robin J, Rees J, Finch J, et al. Comparison of characteristics and outcomes of patients admitted to hospital with COVID-19 during wave 1 and wave 2 of the current pandemic. Intern Emerg Med [Internet]. 2022;17(3):675–84. Available from: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85117036569&doi=10.1007%2Fs11739-021-02842-5&partnerID=40&md5=a671712ed38eb755573a1fa982da7ddf
47. Madrigal C, Kim J, Jiang L, Lafo J, Bozzay M, Primack J, et al. Delirium and Functional Recovery in Patients Discharged to Skilled Nursing Facilities After Hospitalization for Heart Failure. JAMA Netw open. 2021 Mar;4(3):e2037968.