ACCESS
Notice bibliographique
Résumé
OBJECTIVES: Our primary objective was to determine the proportion of the population able to achieve acute cerebrovascular care in emergency stroke systems (ACCESS) in the United States. In addition, we examined how policy changes, including allowing ground ambulances to cross state lines and allowing air ambulances to transport patients from the prehospital setting to primary stroke centers (PSCs), would affect population access to stroke care. DESIGN: Data were obtained via the US Census Bureau, The Joint Commission, and the Atlas and Database of Air Medical Services. Driving distances, ambulance driving speeds, and prehospital times were estimated using validated models and adjusted for population density. Access was determined by summing the population that could reach a PSC within the specified time intervals. SETTING/ PARTICIPANTS: US population. MAIN OUTCOME MEASURES: Thirty-, 45-, and 60-minute access by ground and air ambulance to PSCs. RESULTS: Fewer than 1 in 4 Americans (22.3%) have access to a PSC within 30 minutes, less than half (43.2%) have access within 45 minutes, and just over half (55.4%) have access within 60 minutes. The use of air ambulances to deliver patients to PSCs would increase access from 22.3% to 26.0% for 30 minutes, 43.2% to 65.5% for 45 minutes, and from 55.4% to 79.3% for 60 minutes. The combination of prehospital regionalization and air ambulance transport of patients with acute stroke would reduce the 135.7 million Americans without 60-minute access to a PSC by half, to 62.9 million. CONCLUSIONS: About half of the US population has timely access to a PSC. The use of air ambulances to triage patients with ischemic stroke to a PSC would increase the percentage of the US population with prompt access to stroke care. These data have implications for the ongoing design of the US stroke system.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».