Abstract TP306: Characteristics and Outcomes Among Patients Transferred to Regional Stroke Centers Across the United States for Specialized Stroke Care
Notice bibliographique
Résumé
Intro: Many patients are transferred to stroke centers for advanced stroke care, especially after IV tPA. We sought to determine differences in the baseline characteristics and outcomes between AIS cases presenting directly to stroke centers’ front doors vs. transfers-in from another regional acute care hospital. Methods: Using data from the national GWTG-Stroke registry, we analyzed 970,390 AIS cases (01/2010 - 03/14). Patients at hospitals with high transfer-in rates (>15%) were selected (284 hospitals, 303,739 patients). Due to large sample size, instead of p-values, standardized differences were reported. Multivariable model (MV) examined the association of transfer-in vs. front door with the primary and secondary outcomes, adjusting for patient and hospital characteristics including NIHSS. Results: High volume transfer-in hospitals admitted 31% of their patients via transfer. Transfer-in patients were younger, more often white and non-Hispanic. They had similar stroke risk factors except for hypertension and previous stroke/TIA which were less common. Transfer-in had worse initial NIHSS, more often had altered consciousness and language disturbance. Transfer-in patients had longer length of hospital stay, higher mRS at discharge, and were less often discharged home. In-hospital mortality was ∼ 3% higher in transfer-in as compared with front-door. Among tPA treated patients, sICH < 36hr was more common in transfer-in patients. On MV, transfer-in patients had overall worse outcomes as shown by the higher odds of in-hospital mortality, longer length of stay, and not able to ambulate independently at discharge (Table). Conclusion: Many hospitals receive high volumes of stroke patients via transfer. Because transfer-in patients have worse outcomes, these patients have the potential to negatively influence institutional outcomes rates. Transfer-in patients should be carefully accounted for in risk adjusted models of hospital outcomes.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».