Epidemiology of critically ill patients in intensive care units: a population-based observational study
Notice bibliographique
Résumé
INTRODUCTION: Epidemiologic assessment of critically ill people in Intensive Care Units (ICUs) is needed to ensure the health care system can meet current and future needs. However, few such studies have been published. METHODS: Population-based analysis of all adult ICU care in the Canadian province of Manitoba, 1999 to 2007, using administrative data. We calculated age-adjusted rates and trends of ICU care, overall and subdivided by age, sex and income. RESULTS: In 2007, Manitoba had a population of 1.2 million, 118 ICU beds in 21 ICUs, for 9.8 beds per 100,000 population. Approximately 0.72% of men and 0.47% of women were admitted to ICUs yearly. The age-adjusted, male:female rate ratio was 1.75 (95% CI 1.64 to 1.88). Mean age was 64.5 ± 16.4 years. Rates rose rapidly after age 40, peaked at age 75 to 80, and declined for the oldest age groups. Rates were higher among residents of lower income areas, for example declining from 7.9 to 4.4 per 100,000 population from the poorest to the wealthiest income quintiles (p <0.0001). Rates of ICU admission slowly declined over time, while cumulative yearly ICU bed-days slowly rose; changes were age-dependent, with faster declines in admission rates with older age. There was a high rate of recidivism; 16% of ICU patients had received ICU care previously. CONCLUSIONS: These temporal trends in ICU admission rates and cumulative bed-days used have significant implications for health system planning. The differences by age, sex and socioeconomic status, and the high rate of recidivism require further research to clarify their causes, and to devise strategies for reducing critical illness in high-risk groups.
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 | 0,037 |
| 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 ».