Abstract 240: Regional Variation in 30-Day Ischemic Stroke Mortality and Readmissions in Get With the Guidelines-Stroke Hospitals
Notice bibliographique
Résumé
Objective: To explore regional variation and correlation between 30-day ischemic stroke mortality and readmissions in ischemic stroke patients treated at Get With The Guidelines (GWTG)-Stroke hospitals. Methods: Hospital-level 30-day ischemic stroke mortality and readmission rates were generated by linking GWTG-Stroke national registry data (2007-11) to Medicare fee-for-service data. We then aggregated GWTG-Stroke hospitals into hospital referral regions (HRR) as defined by the Dartmouth Atlas. Frequency-weighted 30-day event rates were estimated for each HRR, which were risk-adjusted using HRR-level patient and hospital characteristics. A Pearson correlation coefficient (r) was used to estimate the linear relationship between mortality and readmission rates at the HRR level. Results: There were 429,631 ischemic stroke patients at least 65 years of age treated at 1,344 GWTG-Stroke hospitals in 282 different HRRs. The average HRR-level risk adjusted 30-day mortality rate was 10.3% (SD=1.1%), with range 7.4% to 15.6%. The average HRR-level risk adjusted readmission rate was 13.2% (SD=1.4%), with range 9.7% to 23.3%. HRR-level maps suggest that some regions with higher than average mortality - such as the Mountain West and Upper Midwest regions - had lower than average readmission rates. (Figure 1) There was a modest, but statistically significant negative correlation between 30-day mortality and readmission rates (r = -0.23, p<0.0001). (Figure 2) Conclusions: HRR-level 30-day ischemic stroke mortality and readmission rates exhibit substantial regional variation and are inversely correlated. Further research is ongoing to determine the origin of the regional variation and correlation between 30-day event rates.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».