Effect of Hospital Closures on Acute Care Outcomes in British Columbia, Canada
Notice bibliographique
Résumé
BACKGROUND: In 2002 British Columbia, Canada began redistributing its hospital services. OBJECTIVE AND DESIGN: We used administrative data and interrupted time series analyses to determine how recent hospital closures affected patient outcomes. SUBJECTS: All adult acute myocardial infarction (AMI), stroke, and trauma events in British Columbia between fiscal years 1999 and 2013. Cases were patients whose closest hospital closed. Controls were matched by condition, year of event, and condition-specific hospital volume where treatment was received. MEASURES: Thirty-day mortality and hospital bypass rates. RESULTS: We matched 3267 AMI, 2852 stroke, and 6318 trauma cases to 1996, 1604, and 3640 controls, respectively. The 30-day mortality rate at baseline was 7.0% [95% confidence interval (CI), 4.0%-10.1%] for AMI, 5.3% (95% CI, 2.4%-8.1%) for stroke, and 1.2% (95% CI, 0.3%-2.1%) for trauma controls. The 30-day mortality rate for cases was 14.3% (95% CI, 7.1%-21.7%) for AMI, 12.0% (95% CI, 5.1%-18.9%) for stroke, and 3.1% for trauma (95% CI, 0.9%-5.2%) cases. There was no significant change in 30-day mortality for cases, and no significant difference in change in mortality rates between cases and controls following the intervention. The difference in hospital bypass rates between cases and controls was 50.1% (95% CI, 42.3%-57.9%) for AMI, 36.2% (95% CI, 27.4%-44.9%) for stroke, and 32.2% (95% CI, 27.7%-36.8%) for trauma cases preintervention. Following the intervention, the difference in bypass rates dropped by 15.5% (95% CI, 3.5%-27.5%) for AMI, 25.3% (95% CI, 11.7%-38.8%) for stroke, and 22.7% (95% CI, 15.7%-29.6%) for trauma cases. CONCLUSIONS: Hospital closures did not affect patient mortality.
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 | 0,001 |
| 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 ».