Notice bibliographique
Résumé
BACKGROUND: This study examined whether hypothermia (< 36.0°C) incidence among critically ill patients varied over time, the determinants of change, and the associated risk for ICU mortality. METHODS: Interrupted time series analysis among adults admitted to ICUs in Calgary, Canada over 8.5 years. Changes in the incidence of hypothermia within the first 24 hours of ICU admission were modelled using segmented regression. RESULTS: Among 15,291 first admissions to ICU, hypothermia incidence decreased from 29% to 21% during the study period. Implementation of a new temporal artery thermometer (TAT) was associated with the majority of the decrease in incidence (10%; 95% CI 7.1-13%; P < .0001). However, subgroup analysis revealed important differences between medical and surgical patients. Hypothermia incidence decreased among surgical patients before TAT implementation (0.4% per quarter, 95% CI 0.1-0.7%, P = .009), but not after, whereas in medical patients, the incidence increased after (1.0% per quarter, 95% CI 0.6-1.4%, P < .0001) but not before TAT implementation. Segmented logistic regression suggested that increases in the proportion of patients with non-traumatic neurologic admission diagnoses were associated with hypothermia incidence among medical patients, whereas there was no measurable clinical factor associated with the observed time trends among surgical patients. Hypothermia at ICU admission was independently associated with ICU mortality in medical and surgical patients throughout the entire study. CONCLUSION: The incidence of hypothermia at ICU admission was dependent on medical versus surgical status, and the method of non-invasive temperature measurement, but was persistently associated with ICU mortality.
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 | 0,001 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».