Rural versus urban academic hospital mortality following stroke in Canada
Notice bibliographique
Résumé
INTRODUCTION: Stroke is one of the leading causes of death in Canada. While stroke care has improved dramatically over the last decade, outcomes following stroke among patients treated in rural hospitals have not yet been reported in Canada. OBJECTIVES: To describe variation in 30-day post-stroke in-hospital mortality rates between rural and urban academic hospitals in Canada. We also examined 24/7 in-hospital access to CT scanners and selected services in rural hospitals. MATERIALS AND METHODS: We included Canadian Institute for Health Information (CIHI) data on adjusted 30-day in-hospital mortality following stroke from 2007 to 2011 for all acute care hospitals in Canada excluding Quebec and the Territories. We categorized rural hospitals as those located in rural small towns providing 24/7 emergency physician coverage with inpatient beds. Urban hospitals were academic centres designated as Level 1 or 2 trauma centres. We computed descriptive data on local access to a CT scanner and other services and compared mean 30-day adjusted post-stroke mortality rates for rural and urban hospitals to the overall Canadian rate. RESULTS: A total of 286 rural hospitals (3.4 million emergency department (ED) visits/year) and 24 urban hospitals (1.5 million ED visits/year) met inclusion criteria. From 2007 to 2011, 30-day in-hospital mortality rates following stroke were significantly higher in rural than in urban hospitals and higher than the Canadian average for every year except 2008 (rural average range = 18.26 to 21.04 and urban average range = 14.11 to 16.78). Only 11% of rural hospitals had a CT-scanner, 1% had MRI, 21% had in-hospital ICU, 94% had laboratory and 92% had basic x-ray facilities. CONCLUSION: Rural hospitals in Canada had higher 30-day in-hospital mortality rates following stroke than urban academic hospitals and the Canadian average. Rural hospitals also have very limited local access to CT scanners and ICUs. These rural/urban discrepancies are cause for concern in the context of Canada's universal health care system.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».