Does the Volume of Ischemic Stroke Admissions Relate to Clinical Outcomes in the Ontario Stroke System?
Notice bibliographique
Résumé
BACKGROUND: Better outcomes have been found among hospitals treating higher volumes of patients for specific surgical and medical conditions. We examined hospital ischemic stroke (IS) volume and 30-day mortality to inform regionalization planning. METHODS AND RESULTS: Using a population-based hospital discharge administrative database (2005/2006 to 2011/2012), average annual IS patient volumes were calculated for 162 Ontario acute hospitals. Hospitals were ranked and classified as small (<126), medium (126-202), and large (>202). Hierarchical multivariable logistic regression was used to estimate the odds of death within 7 and 30 days to account for the homogeneity in outcomes for patients treated at the same hospital. Overall, 73 368 patients were hospitalized for IS, and 30-day mortality was 15.3%. The mean (±SD) of annual hospitalizations for IS was 29 (31) for small-volume hospitals, 156 (20) for medium-volume hospitals, and 300 (78) for high-volume hospitals. High-volume hospitals admitted younger patients (mean [±SD] age, 73.0 [13.9] years) compared with medium- and small-volume hospitals (74.0 [13.2] and 75.5 [12.5] years, respectively; P<0.0001). Patients at small-volume hospitals were more likely than patients at high-volume hospitals to die at 30 days after an acute IS (adjusted odds ratio, 1.37; 95% confidence interval, 1.14-1.65). CONCLUSIONS: Hospital IS volume is associated with 30-day mortality in Ontario. Patients admitted to hospitals with annual IS volumes <126 annually are more likely to die within 30 days than patients admitted to hospitals that see on average 300 patients annually. This finding supports centralizing care in stroke-specialized hospitals.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».