Survival after in-hospital cardiopulmonary resuscitation from 2003 to 2013
Notice bibliographique
Résumé
We analyzed cardiopulmonary resuscitation (CPR) rates, deaths preceded by CPR, and survival trends after in-hospital CPR, using a sample of nationwide Korean claims data for the period 2003 to 2013.The Korean National Health Insurance Service-National Sample Cohort is a stratified random sample of 1,025,340 subjects selected from among approximately 46 million Koreans. We evaluated the annual incidence of CPR per 1000 admissions in various age groups, hospital deaths preceded by CPR, and survival rate following in-hospital CPR. Analyses of the relationships between survival and patient and hospital characteristics were performed using logistic regression analysis.A total of 5918 in-hospital CPR cases from 2003 to 2013 were identified among eligible patients. The cumulative incidence of in-hospital CPR was 3.71 events per 1000 admissions (95% confidence interval 3.62-3.80). The CPR rate per 1000 admissions was highest among the oldest age group, and the rate decreased throughout the study period in all groups except the youngest age group. Hospital deaths were preceded by in-hospital CPR in 18.1% of cases, and the rate decreased in the oldest age group. The survival-to-discharge rate in all study subjects was 11.7% during study period, while the 6-month and 1-year survival rates were 8.0% and 7.2%, respectively. Survival tended to increase throughout the study period; however, this was not the case in the oldest age group. Age and malignancy were associated with lower survival rates, whereas myocardial infarction and diabetes mellitus were associated with higher survival rates.Our result shows that hospital deaths were preceded by in-hospital CPR in 18.1% of case, and the survival-to-discharge rate in all study subjects was 11.7% during the study period. Survival tended to increase throughout the study period except for the oldest age group. Our results provide reliable data that can be used to inform judicious decisions on the implementation of CPR, with the ultimate goal of optimizing survival rates and resource utilization.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».