MétaCan
Menu
Retour à la cohorte
Enregistrement W2142539451 · doi:10.1186/cc10029

Implications of ICU triage decisions on patient mortality: a cost-effectiveness analysis

2011· article· en· W2142539451 sur OpenAlexaff
David Edbrooke, Cosetta Minelli, Gary Mills, Angelo Pezzi, Davide Corbella, Philip Jacobs, Anne Lippert, Joergen Wiis, Antonio Pesenti, Nicolò Patroniti, Romain Pirracchio, Didier Payen, Jan Bakker, Jozef Kesecioğlu, Chris Hargreaves, Simon Cohen, Mario Baras, Antonio Artigas, Charles L. Sprung

Notice bibliographique

RevueCritical Care · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensInstitute of Health EconomicsUniversity of Alberta
Organismes subventionnairesEuropean CommissionHadassah Medical Organization
Mots-clésMedicineTriageEmergency medicineIntensive care medicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Intensive care is generally regarded as expensive, and as a result beds are limited. This has raised serious questions about rationing when there are insufficient beds for all those referred. However, the evidence for the cost effectiveness of intensive care is weak and the work that does exist usually assumes that those who are not admitted do not survive, which is not always the case. Randomised studies of the effectiveness of intensive care are difficult to justify on ethical grounds; therefore, this observational study examined the cost effectiveness of ICU admission by comparing patients who were accepted into ICU after ICU triage to those who were not accepted, while attempting to adjust such comparison for confounding factors. METHODS: This multi-centre observational cohort study involved 11 hospitals in 7 EU countries and was designed to assess the cost effectiveness of admission to intensive care after ICU triage. A total of 7,659 consecutive patients referred to the intensive care unit (ICU) were divided into those accepted for admission and those not accepted. The two groups were compared in terms of cost and mortality using multilevel regression models to account for differences across centres, and after adjusting for age, Karnofsky score and indication for ICU admission. The analyses were also stratified by categories of Simplified Acute Physiology Score (SAPS) II predicted mortality (< 5%, 5% to 40% and >40%). Cost effectiveness was evaluated as cost per life saved and cost per life-year saved. RESULTS: Admission to ICU produced a relative reduction in mortality risk, expressed as odds ratio, of 0.70 (0.52 to 0.94) at 28 days. When stratified by predicted mortality, the odds ratio was 1.49 (0.79 to 2.81), 0.7 (0.51 to 0.97) and 0.55 (0.37 to 0.83) for <5%, 5% to 40% and >40% predicted mortality, respectively. Average cost per life saved for all patients was $103,771 (€82,358) and cost per life-year saved was $7,065 (€5,607). These figures decreased substantially for patients with predicted mortality higher than 40%, $60,046 (€47,656) and $4,088 (€3,244), respectively. Results were very similar when considering three-month mortality. Sensitivity analyses performed to assess the robustness of the results provided findings similar to the main analyses. CONCLUSIONS: Not only does ICU appear to produce an improvement in survival, but the cost per life saved falls for patients with greater severity of illness. This suggests that intensive care is similarly cost effective to other therapies that are generally regarded as essential.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,471

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,364
Tête enseignante GPT0,473
Écart entre enseignants0,110 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations87
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical CareMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207