Variation in the Rates of Do Not Resuscitate Orders After Major Trauma and the Impact of Intensive Care Unit Environment
Notice bibliographique
Résumé
BACKGROUND: There is an increased emphasis on benchmarking of trauma mortality outcomes as a measure of quality. Differences in approaches to end-of-life care or perceptions of salvageability might account for some of the variability in outcomes across centers. We postulated that these differences in perceptions or practice might lead to significant variation in the use of do not resuscitate (DNR) orders and sought to identify institutional characteristics associated with their use. METHODS: Patients surviving >24 hours and admitted to an intensive care unit (ICU) in one of 68 centers across the United States were identified from a large prospective cohort study of severely injured patients. Independent predictors of a DNR order at both the patient and institutional level were identified using multivariate hierarchical modeling stratified by age <55 or >/=55. RESULTS: Of 6,765 patients, 7% had a DNR order, of whom 88% died. The proportion of patients in each center with a DNR order ranged from 0% to 57%. Independent patient-level predictors associated with a DNR order were increasing age, preinjury comorbidity burden, severe injury, and organ failure. Institutional predictors of DNR orders differed by age. Care in an open ICU was associated with a DNR order (odds ratio, 1.7; 95% confidence interval, 1.0-3.0) in the elderly, whereas care in a combined medical-surgical ICU (vs. surgical or trauma ICU) was associated with greater likelihood (odds ratio, 2.0; 95% confidence interval, 1.1-4.1) of a DNR order in the young. CONCLUSIONS: DNR orders are relatively common in seriously injured trauma patients, and there is significant variability in their use across centers. Given the institutional characteristics independently associated with DNR status, it is likely that both differences in the ethos of end-of-life care and perceptions of salvageability affect decision making.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».