Reduction in Hospital Mortality Over Time in a Hospital Without a Pediatric Medical Emergency Team
Notice bibliographique
Résumé
OBJECTIVE: To determine whether hospital mortality has decreased over time in a hospital that has not introduced a pediatric medical emergency team (PMET). DESIGN: Retrospective observational study. SETTING: Quaternary children's hospital. PARTICIPANTS: All pediatric inpatient separations (defined as any discharge, including death) during 10 fiscal years. MAIN OUTCOME MEASURES: We searched our hospital administrative database to determine the number of pediatric inpatient separations and deaths, and we searched the hospital switchboard and pediatric intensive care databases to determine ward code and cardiopulmonary arrest rates. Relative risks (RRs) with 95% confidence intervals (CIs) and logistic regression compared results over time. RESULTS: During the periods of the 2 PMET studies showing a reduction in hospital mortality, we found a decrease in hospital mortality: for 1999-2002 vs 2002-2006, 212 deaths among 14 161 patients (1.50%) vs 219 of 26 767 (0.82%), RR, 0.55 (95% CI, 0.44-0.69); for 2000-2005 vs 2005-2007, 300 deaths among 29 497 patients (1.02%) vs 98 of 14 005 (0.70%), RR, 0.69 (95% CI, 0.55-0.86). During the periods of the 3 PMET studies showing no change in or not examining hospital mortality, we found no significant change in hospital mortality. The annual odds ratio for survival was 1.13 (95% CI, 1.09-1.16). There were no changes in ward code and cardiopulmonary arrest rates over time. CONCLUSIONS: We found a reduction in hospital mortality over time in a children's hospital without a PMET. This demonstrates the limitation of before-and-after study designs, and we hypothesize that multiple co-interventions account for the decrease in mortality. Whether a PMET could have reduced mortality further is unknown.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».