Effects of closure of an urban level I trauma centre on adjacent hospitals and local injury mortality: a retrospective, observational study
Notice bibliographique
Résumé
OBJECTIVE: To determine the association of the Martin Luther King Jr Hospital (MLK) closure on the distribution of admissions on adjacent trauma centres, and injury mortality rates in these centres and within the county. DESIGN: Observational, retrospective study. SETTING: Non-public patient-level data from the state of California were obtained for all trauma patients from 1999 to 2009. Geospatial analysis was used to visualise the redistribution of trauma patients to other hospitals after MLK closed. Variance of observed to expected injury mortality using multivariate logistic regression was estimated for the study period. PARTICIPANTS: A total of 37 131 trauma patients were admitted to the five major south Los Angeles trauma centres from the MLK service area between 1999 and 2009. MAIN OUTCOME MEASURES: (1) Number and type of trauma admissions to trauma centres in closest proximity to MLK; (2) inhospital injury mortality of trauma patients after the trauma centre closure. RESULTS: During and after the MLK closure, trauma admissions increased at three of the four nearby hospitals, particularly admissions for gunshot wounds (GSWs). This redistribution of patient load was accompanied by a dramatic change in the payer mix for surrounding hospitals; one hospital's share of uninsured more than tripled from 12.9% in 1999 to 44.6% by 2009. Overall trauma mortality did not significantly change, but GSW mortality steadily and significantly increased after the closure from 5.0% in 2007 to 7.5% in 2009. CONCLUSIONS: Though local hospitals experienced a dramatic increase in trauma patient volume, overall mortality for trauma patients did not significantly change after MLK closed.
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 | 0,000 |
| 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 ».