Failure-to-Rescue After Acute Myocardial Infarction
Notice bibliographique
Résumé
BACKGROUND: Failure-to-rescue (FTR), originally developed to study quality of care in surgery, measures an institution's ability to prevent death after a patient becomes complicated. OBJECTIVES: Develop an FTR metric modified to analyze acute myocardial infarction (AMI) outcomes. RESEARCH DESIGN: Split-sample design: a random 20% of hospitals to develop FTR definitions, a second 20% to validate test characteristics, and an out-of-sample 60% to validate results. SUBJECTS: Older Medicare beneficiaries admitted to short-term acute-care hospitals for AMI between 2009 and 2011. MEASURES: Thirty-day mortality and FTR rates, and in-hospital complication rates. RESULTS: The 60% out-of-sample validation included 234,277 patients across 1142 hospitals that admitted at least 50 patients over 2.5 years. In total, 72.1% of patients were defined as Medically Complicated (complex on admission or subsequently developed a complication or died without a recorded complication) of whom 19.3% died. Spearman r between hospital risk-adjusted 30-day mortality and FTR was 0.89 (P<0.0001); Mortality versus Complication=-0.01 (P=0.6198); FTR versus Complication=-0.10 (P=0.0011). Major teaching hospitals displayed 19% lower odds of FTR versus non-teaching hospitals (odds ratio=0.81, P<0.0001), while hospitals as a group defined by teaching hospital status, comprehensive cardiac technology, and having good nursing mix and staffing, displayed a 33% lower odds of FTR (odds ratio=0.67, P<0.0001) versus hospitals without any of these characteristics. CONCLUSIONS: A modified FTR metric can be created that has many of the advantageous properties of surgical FTR and can aid in studying the quality of care of AMI admissions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,004 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».