Variation in Critical Care Unit Admission Rates and Outcomes for Patients With Acute Coronary Syndromes or Heart Failure Among High‐ and Low‐Volume Cardiac Hospitals
Notice bibliographique
Résumé
BACKGROUND: Little is known about cross-hospital differences in critical care units admission rates and related resource utilization and outcomes among patients hospitalized with acute coronary syndromes (ACS) or heart failure (HF). METHODS AND RESULTS: Using a population-based sample of 16,078 patients admitted to a critical care unit with a primary diagnosis of ACS (n=14,610) or HF (n=1467) between April 1, 2003 and March 31, 2013 in Alberta, Canada, we stratified hospitals into high (>250), medium (200 to 250), or low (<200) volume based on their annual volume of all ACS and HF hospitalization. The percentage of hospitalized patients admitted to critical care units varied across low, medium, and high-volume hospitals for both ACS and HF as follows: 77.9%, 81.3%, and 76.3% (P<0.001), and 18.0%, 16.3%, and 13.0% (P<0.001), respectively. Compared to low-volume units, critical care patients with ACS and HF admitted to high-volume hospitals had shorter mean critical care stays (56.6 versus 95.6 hours, P<0.001), more critical care procedures (1.9 versus 1.2 per patient, <0.001), and higher resource-intensive weighting (2.8 versus 1.5, P<0.001). No differences in in-hospital mortality (5.5% versus 6.2%, adjusted odds ratio 0.93; 95% CI, 0.61 to 1.41) were observed between high- and low-volume hospitals; however, 30-day cardiovascular readmissions (4.6% versus 6.8%, odds ratio 0.77; 95% CI, 0.60 to 0.99) and cardiovascular emergency-room visits (6.6% versus 9.5%, odds ratio 0.80; 95% CI, 0.69 to 0.94) were lower in high-volume compared to low-volume hospitals. Outcomes stratified by ACS or HF admission diagnosis were similar. CONCLUSIONS: Cardiac patients hospitalized in low-volume hospitals were more frequently admitted to critical care units and had longer hospitals stays despite lower resource-intensive weighting. These findings may provide opportunities to standardize critical care utilization for ACS and HF patients across high- and low-volume hospitals.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».