Death in two Canadian intensive care units: Institutional difference and changes over time
Notice bibliographique
Résumé
OBJECTIVE: To study and compare the mode of death in two different institutions' intensive care units (ICUs) for the two time periods, 1988 and 1993. DESIGN: Retrospective chart review. SETTING: Medical/surgical/trauma ICUs in two tertiary care teaching hospitals. PATIENTS: Patients dying in the medical/surgical/trauma ICUs between January 1, 1988 and December 31, 1988; and January 1, 1993 and December 31, 1993. Data collection included demographics, origin of admission, date of ICU admission, date of death, Acute Physiology and Chronic Health Evaluation (APACHE) III diagnostic categories, APACHE II physiologic variables, organ system failures present at the time of admission and 24 hrs before death, and mode of dying. APACHE II scores and mortality risk were calculated. Data analysis included a multiple analysis of variance to assess overall effect, with subsequent analyses of variance to assess the effect of institution and year on each individual dependent variable. All results are reported as mean +/- SEM values. RESULTS: A total of 439 charts were reviewed. Gender, age, and origin of admission were not different between the 2 yrs or the two institutions. Mean APACHE II scores and organ system failures were lower at Hospital A in 1998 vs. Hospital B, as was predicted mortality. These factors increased at Hospital A in 1993 and were similar to those at Hospital B. Withdrawal of support was much more common in 1993 than 1988 at both institutions (43% at Hospital A and 46% at Hospital B in 1988 vs. 66% at A and 80% at B in 1993), increasing to a greater extent in 1993 at Hospital B (p<.05). Length of stay in the ICU was significantly longer at Hospital A than at Hospital B in 1988 (9.4+/-1.4 vs. 4.3+/-0.6 days; p<.05) and in 1993 (8.2+/-2.9 vs. 3.8+/-0.5 days; p < .05). CONCLUSIONS: There has been an increase in withdrawal of life support, in recent years, at both the institutions studied. Differences exist between institutions with respect to end-of-life decisions in the ICU. These differences are likely representative of widely prevalent regional differences and are the result of many factors.
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 | 0,001 |
| 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) | 0,002 | 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 ».