Association of Physician and Hospital Volume With Use of Aspirin and Reperfusion Therapy in Acute Myocardial Infarction
Notice bibliographique
Résumé
BACKGROUND: The association between volume of patients treated and quality of care has important implications for patient referral policies and approaches to quality improvement. Most studies have focused on hospital volume alone and health outcomes. OBJECTIVES: The objective of this work was to examine the association of hospital and physician volume with use of aspirin and reperfusion therapy in the management of acute myocardial infarction (AMI) in eligible patients. METHODS: We reviewed charts of 2,215 patients treated at 35 Minnesota hospitals for AMI between October 1, 1992, and July 31, 1993, comparing use of aspirin and reperfusion therapy in eligible patients across different physician and hospital volume categories through multiple logistic regression. RESULTS: Aspirin use did not vary significantly with physician volume. Use of reperfusion therapy was reduced among the lowest-volume physicians only (adjusted OR, 0.38; 95% CI, 0.15-0.94). Compared with the highest volume hospitals (treating >200 patients), aspirin use among lower-volume hospitals was lower. This was statistically significant only in the hospitals treating <30 patients (adjusted OR, 0.54; 95% CI, 0.30-0.97). These same hospitals had increased odds of using thrombolytics (adjusted OR, 3.02; 95% CI, 1.40-6.53). CONCLUSIONS: Differences in use of aspirin and reperfusion therapy occur at the extremes of hospital and physician volume. These observed differences are in the anticipated direction, except for the increased use of thrombolytics at very-low-volume hospitals. This may be a "desperation reaction" with a perceived lack of other alternatives, such as cardiac catheterization labs and cardiologists.
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 ».