MétaCan
Menu
Retour à la cohorte
Enregistrement W1992789670 · doi:10.1097/ccm.0b013e31824e9eae

Variation in use of intensive care for adults with diabetic ketoacidosis*

2012· article· en· W1992789670 sur OpenAlexafffund
Hayley B. Gershengorn, Theodore J. Iwashyna, Colin R. Cooke, Damon C. Scales, Jeremy M. Kahn, Hannah Wunsch

Notice bibliographique

RevueCritical Care Medicine · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood InstituteNational Institute on AgingCanadian Institutes of Health Research
Mots-clésMedicineIntensive care unitIntensive careDiabetic ketoacidosisEmergency medicineKetoacidosisOdds ratioIntensive care medicineDiabetes mellitusType 1 diabetesInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Intensive care unit beds are limited, yet few guidelines exist for triage of patients to the intensive care unit, especially patients at low risk for mortality. The frequency with which low-risk patients are admitted to intensive care units in different hospitals is unknown. Our objective was to assess variation in the use of intensive care for patients with diabetic ketoacidosis, a common condition with a low risk of mortality. DESIGN: Observational study using the New York State In-patient Database (2005-2007). SETTING: One hundred fifty-nine New York State acute care hospitals. PATIENTS: Fifteen thousand nine hundred ninety-four adult (≥ 18) hospital admissions with a primary diagnosis of diabetic ketoacidosis (International Classification of Diseases, Ninth Revision, Clinical Modification 250.1x). INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: We calculated reliability- and risk-adjusted intensive care unit utilization, hospital length of stay, and mortality. We identified hospital-level factors associated with increased likelihood of intensive care unit admission after controlling patient characteristics using multilevel, mixed-effects logistic regression analyses; we assessed the amount of residual variation in intensive care unit utilization using the intraclass correlation coefficient. Use of intensive care for diabetic ketoacidosis patients varied widely across hospitals (adjusted range: 2.1% to 87.7%), but was not associated with hospital length of stay or mortality. After multilevel adjustment, hospitals with a high volume of diabetic ketoacidosis admissions admitted diabetic ketoacidosis patients to the intensive care unit less often (odds ratio 0.40, p = .002, highest quintile compared to lowest), whereas hospitals with higher rates of intensive care unit utilization for all nondiabetic ketoacidosis in-patients admitted diabetic ketoacidosis patients to the intensive care unit more frequently (odds ratio 1.31, p = .001, for each additional 10% increase). In the multilevel model, more than half (58%) of the variation in the intensive care unit admission practice attributable to hospitals remained unexplained. CONCLUSIONS: We observed variations across hospitals in the use of intensive care for diabetic ketoacidosis patients that was not associated with differences in-hospital length of stay or mortality. Institutional practice patterns appear to impact admission decisions and represent a potential target for reduction of resource utilization in higher use institutions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,466

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,077
Tête enseignante GPT0,360
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations114
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207