Abstract 5: Regional Variation in Recommended Treatments for Ischemic Stroke and TIA: Get With The Guidelines-Stroke, 2003-2010
Notice bibliographique
Résumé
Background: Prior studies find regional variation in the use of secondary stroke prevention treatments. We determined whether guideline-recommended stroke treatments vary by region for patients treated at Get With The Guideline (GWTG)-Stroke hospitals. Methods: Receipt of guideline-recommended interventions (acute IV-tPA, antihypertensive medications, antithrombotics, diabetes medications, anticoagulants for atrial fibrillation, lipid-lowering medications at discharge and smoking cessation) in addition to weight loss education were compared by region among eligible ischemic stroke and TIA patients. GEE models compared regional differences for each intervention adjusted for patient demographics, medical history and hospital characteristics. Results: There were 991,995 stroke or TIA admissions (South 37%, Northeast 27.6%, Midwest 19.3%, West 15.9%). Receipt varied by region: tPA ranged from 58.2-67.8%; antihypertensives 87.4-91.1%; antithrombotics 95.6-96.8%; diabetes meds 80.9-84.5%; anticoagulants 90.6-92.5%; lipid-lowering meds 72.5-75.7%; smoking cessation 89.8-92.7%; and weight loss education 49.3-54.7%. In adjusted analyses, the largest differences were in tPA and anticoagulant use (lower rates in the South and Midwest vs. the Northeast, Figure). Interventions tended to be less frequently provided in the Midwest vs. the Northeast. Conclusion: Although receipt of many recommended interventions is high, there are regional differences among patients treated at GWTG-stroke hospitals. As the hospitals participated in the same quality improvement program, the reasons for the differences are unclear and require further investigation.
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 | 0,001 | 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 ».