Association of Household Income Level and In-Hospital Mortality in Patients With Sepsis: A Nationwide Retrospective Cohort Analysis
Notice bibliographique
Résumé
OBJECTIVE: Associations between low socioeconomic status (SES) and poor health outcomes have been demonstrated in a variety of conditions. However, the relationship in patients with sepsis is not well described. We investigated the association of lower household income with in-hospital mortality in patients with sepsis across the United States. METHODS: Retrospective nationwide cohort analysis utilizing the Nationwide Inpatient Sample (NIS) from 2011. Patients aged 18 years or older with sepsis were included. Socioeconomic status was approximated by the median household income of the zip code in which the patient resided. Multivariate logistic modeling incorporating a validated illness severity score for sepsis in administrative data was performed. RESULTS: A total of 8 023 590 admissions from the 2011 NIS were examined. A total of 671 858 patients with sepsis were included in the analysis. The lowest income residents compared to the highest were younger (66.9 years, standard deviation [SD] = 16.5 vs 71.4 years, SD = 16.1, P < .01), more likely to be female (53.5% vs 51.9%, P < .01), less likely to be white (54.6% vs 76.6%, P < .01), as well as less likely to have health insurance coverage (92.8% vs 95.9%, P < .01). After controlling for severity of sepsis, residing in the lowest income quartile compared to the highest quartile was associated with a higher risk of mortality (odds ratio [OR]: 1.06, 95% confidence interval [CI]: 1.03-1.08, P < .01). There was no association seen between the second (OR: 1.02, 95% CI: 0.99-1.05, P = .14) and third (OR: 0.99, 95% CI: 0.97-1.01, P = .40) quartiles compared to the highest. CONCLUSION: After adjustment for severity of illness, patients with sepsis who live in the lowest median income quartile had a higher risk of mortality compared to residents of the highest income quartile. The association between SES and mortality in sepsis warrants further investigation with more comprehensive measures of SES.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».