Hospital Variation in Survival Trends for In‐hospital Cardiac Arrest
Notice bibliographique
Résumé
BACKGROUND: During the past decade, survival after in-hospital cardiac arrest has improved markedly. It remains unknown whether the improvement in survival has occurred uniformly at all hospitals or was driven by large improvements at only a few hospitals. METHODS AND RESULTS: We identified 93 342 adults with an in-hospital cardiac arrest at 231 hospitals in the Get With The Guidelines(®)-Resuscitation registry during 2000-2010. Using hierarchical regression models, we evaluated hospital-level trends in survival to discharge. Mean age was 66 years, 59% were men, and 21% were black. Between 2000 and 2010, there was a significant decrease in age, prevalence of heart failure and myocardial infarction, and cardiac arrests due to shockable rhythms (P<0.001 for all) and an increase in prevalence of sepsis, respiratory insufficiency, renal insufficiency, intensive care unit location, and mechanical ventilation before arrest (P<0.001 for all). After adjustment for temporal trends in baseline characteristics, hospital rates of in-hospital cardiac arrest survival improved by 7% per year (odds ratio [OR] 1.07, 95% CI 1.06 to 1.08, P<0.001). Improvement in survival varied markedly and ranged from 3% in the bottom hospital quartile to 11% in the top hospital quartile. Compared with minor teaching hospitals (OR 1.04, 95% CI 1.02 to 1.06), hospital rate of survival improvement was greater at major teaching (OR 1.08, 95% CI 1.06 to 1.10) and nonteaching hospitals (OR 1.07, 95% CI 1.05 to 1.09, P value for interaction=0.03). CONCLUSION: Although in-hospital cardiac arrest survival has improved during the past decade, the magnitude of improvement varied across hospitals. Future studies are needed to identify hospital processes that have led to the largest improvement in survival.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».