Rates, Characteristics, and Outcomes of Patients Transferred to Specialized Stroke Centers for Advanced Care
Notice bibliographique
Résumé
Background While many patients are transferred to specialized stroke centers for advanced acute ischemic stroke (AIS) care, few studies have characterized these patients. We sought to determine variation in the rates and differences in the baseline characteristics and clinical outcomes between AIS cases presenting directly to stroke centers' front door versus Transfer-Ins from another hospital. Methods and Results We analyzed 970 390 AIS cases in the Get With The Guidelines-Stroke registry from January 2010 to March 2014 to compare hospitals with high Transfer-In rates (≥15%) versus those with low Transfer-In rates (<5%) and to compare the front-door versus Transfer-In patients admitted to those hospitals with high Transfer-In rates (high Transfer-In hospitals). Of 970 390 patients discharged from 1646 hospitals, 87% initially presented via the emergency department versus 13% were a Transfer-In from another hospital. High Transfer-In hospitals had a median 31% Transfer-In rate among all stroke discharges, were larger, had higher annual AIS volume and intravenous tPA (tissue-type plasminogen activator) rates, and were more often Midwest teaching hospitals and stroke centers. Compared with front-door, Transfer-In patients were younger, more often white, had higher median National Institutes of Health Stroke Scale scores, less often hypertension and previous stroke/transient ischemic attack, and higher in-hospital mortality (7.9% versus 4.9%; standardized difference, 12.4%). After multivariable adjustment, Transfer-In patients had higher in-hospital mortality and discharge modified Rankin scale. Conclusions There is significant regional variability in the transfer of patients with AIS. Because Transfer-In patients seem to have worse short-term outcomes, these patients have the potential to negatively influence institutional mortality rates and should be accounted for explicitly in hospital risk-profiling measures.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».