Longitudinal Changes in ICU Admissions Among Elderly Patients in the United States*
Notice bibliographique
Résumé
OBJECTIVES: Changes in population demographics and comorbid illness prevalence, improvements in medical care, and shifts in care delivery may be driving changes in the composition of patients admitted to the ICU. We sought to describe the changing demographics, diagnoses, and outcomes of patients admitted to critical care units in the U.S. hospitals. DESIGN: Retrospective cohort study. SETTING: U.S. hospitals. PATIENTS: There were 27.8 million elderly (age, > 64 yr) fee-for-service Medicare beneficiaries hospitalized with an intensive care or coronary care room and board charge from 1996 to 2010. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: We aggregated primary International Classification of Diseases, 9th Revision, Clinical Modification discharge diagnosis codes into diagnoses and disease categories. We examined trends in demographics, primary diagnosis, and outcomes among patients with critical care stays. Between 1996 and 2010, we found significant declines in patients with a primary diagnosis of cardiovascular disease, including coronary artery disease (26.6 to 12.6% of admissions) and congestive heart failure (8.5 to 5.4% of admissions). Patients with infectious diseases increased from 8.8% to 17.2% of admissions, and explicitly labeled sepsis moved from the 11th-ranked diagnosis in 1996 to the top-ranked primary discharge diagnosis in 2010. Crude in-hospital mortality rose (11.3 to 12.0%), whereas discharge destinations among survivors shifted, with an increase in discharges to hospice and postacute care facilities. CONCLUSIONS: Primary diagnoses of patients admitted to critical care units have substantially changed over 15 years. Funding agencies, physician accreditation groups, and quality improvement initiatives should ensure that their efforts account for the shifting epidemiology of critical illness.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 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 ».