Children with life-limiting conditions in paediatric intensive care units: a national cohort, data linkage study
Notice bibliographique
Résumé
OBJECTIVE: To determine how many children are admitted to paediatric intensive care unit (PICU) with life-limiting conditions (LLCs) and their outcomes. DESIGN: National cohort, data-linkage study. SETTING: PICUs in England. PATIENTS: Children admitted to a UK PICU (1 January 2004 and 31 March 2015) were identified in the Paediatric Intensive Care Audit Network dataset. Linkage to hospital episodes statistics enabled identification of children with a LLC using an International Classification of Diseases (ICD10) code list. MAIN OUTCOME MEASURES: Random-effects logistic regression was undertaken to assess risk of death in PICU. Flexible parametric survival modelling was used to assess survival in the year after discharge. RESULTS: Overall, 57.6% (n=89 127) of PICU admissions and 72.90% (n=4821) of deaths in PICU were for an individual with a LLC.The crude mortality rate in PICU was 5.4% for those with a LLC and 2.7% of those without a LLC. In the fully adjusted model, children with a LLC were 75% more likely than those without a LLC to die in PICU (OR 1.75 (95% CI 1.64 to 1.87)).Although overall survival to 1 year postdischarge was 96%, children with a LLC were 2.5 times more likely to die in that year than children without a LLC (OR 2.59 (95% CI 2.47 to 2.71)). CONCLUSIONS: Children with a LLC accounted for a large proportion of the PICU population. There is an opportunity to integrate specialist paediatric palliative care services with paediatric critical care to enable choice around place of care for these children and families.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».