Increasing Sepsis Rates in the United States: Results From National Inpatient Sample, 2005 to 2014
Notice bibliographique
Résumé
Objectives: To examine the trends in hospitalization rates, mortality, and costs for sepsis during the years 2005 to 2014. Methods: This was a retrospective serial cross-sectional analysis of patients ≥18 years admitted for sepsis in National Inpatient Sample. Trends in sepsis hospitalizations were estimated, and age- and sex-adjusted rates were calculated for the years 2005 to 2014. Results: There were 541 694 sepsis admissions in 2005 and increased to 1 338 905 in 2014. Sepsis rates increased significantly from 1.2% to 2.7% during the years 2005 to 2014 (relative increase: 123.8%; P trend < .001). However, the relative increase changed by 105.8% ( P trend < .001) after adjusting for age and sex and maintained significance. Although total cost of hospitalization due to sepsis increased significantly from US$22.2 to US$38.1 billion ( P trend < .001), the mean hospitalization cost decreased significantly from US$46,470 to US$29,290 ( P trend < .001). Conclusions: Hospitalizations for sepsis increased during the years 2005 to 2014. Our study paradoxically found declining rates of in-hospital mortality, length of stay, and mean hospitalization cost for sepsis. These findings could be due to biases introduced by International Classification of Diseases, Ninth Revision, Clinical Modification coding rules and increased readmission rates or alternatively due to increased awareness and surveillance and changing disposition status. Standardized epidemiologic registries should be developed to overcome these biases.
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 | 0,023 |
| 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 | 0,000 | 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 ».