Sex and Mortality of Hospitalized Adults After Admission to an Intensive Care Unit
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: After admission to intensive care, women have higher mortality rates than do men. The reasons for the greater mortality in women are not fully understood. OBJECTIVE: To determine if increased mortality in women was due to delays in the recognition of critical illness or to delays in timely admission to intensive care. METHODS: A total of 241 consecutive admissions to intensive care from medical and surgical units during a 12-month period were analyzed retrospectively. Patients' demographics, illness severity, and delay between the time the patients would have fulfilled criteria for calling a medical emergency team and consultation with and admission to intensive care were analyzed. RESULTS: Delay from fulfillment of criteria for calling a medical emergency team and consultation with intensive care and from consultation to admission to intensive care did not differ between sexes. Despite similar delays in admission to intensive care, women had a higher 30-day mortality than did men (44.9% vs 30.5%; P = .02). The increased mortality was more pronounced in the medical patients (53% vs 34%; P = .02). Multivariate analysis of mortality data yielded a mortality odds ratio of 0.35 (95% CI, 0.16-0.74) for men, significantly different from values for women (P = .006). CONCLUSION: After admission to intensive care from medical or surgical units, women had higher mortality rates than did men, and the difference was more pronounced in medical patients. The difference in mortality between sexes was not explained by delayed recognition of critical illness or delayed admission to intensive care.
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.
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) | 0,001 | 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 découle