Regional Variation in Out-of-Hospital Cardiac Arrest Survival in the United States
Notice bibliographique
Résumé
BACKGROUND: Although previous studies have shown marked variation in out-of-hospital cardiac arrest survival across US regions, factors underlying this survival variation remain incompletely explained. METHODS AND RESULTS: Using data from the Cardiac Arrest Registry to Enhance Survival, we identified 96 662 adult patients with out-of-hospital cardiac arrest in 132 US counties. We used hierarchical regression models to examine county-level variation in rates of survival and survival with functional recovery (defined as Cerebral Performance Category score of 1 or 2) and examined the contribution of demographics, cardiac arrest characteristics, bystander cardiopulmonary resuscitation, automated external defibrillator use, and county-level sociodemographic factors in survival variation across counties. A total of 9317 (9.6%) patients survived to discharge, and 7176 (7.4%) achieved functional recovery. At a county level, there was marked variation in rates of survival to discharge (range, 3.4%-22.0%; median odds ratio, 1.40; 95% confidence interval, 1.32-1.46) and survival with functional recovery (range, 0.8%-21.0%; median odds ratio, 1.53; 95% confidence interval, 1.43-1.62). County-level rates of bystander cardiopulmonary resuscitation and automated external defibrillator use were positively correlated with both outcomes (P<0.0001 for all). Patient demographic and cardiac arrest characteristics explained 4.8% and 27.7% of the county-level variation in survival, respectively. Additional adjustment of bystander cardiopulmonary resuscitation and automated external defibrillator explained 41% of the survival variation, and this increased to 50.4% after adjustment of county-level sociodemographic factors. Similar findings were noted in analyses of survival with functional recovery. CONCLUSIONS: Although out-of-hospital cardiac arrest survival varies significantly across US counties, a substantial proportion of the variation is attributable to differences in bystander response across communities.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».