MétaCan
Menu
Retour à la cohorte
Enregistrement W3116664319 · doi:10.1097/ccm.0000000000004777

Sepsis-Associated Mortality, Resource Use, and Healthcare Costs: A Propensity-Matched Cohort Study*

2020· article· en· W3116664319 sur OpenAlexafffundabout
Kelly Farrah, Lauralyn McIntyre, Christopher J. Doig, Robert Talarico, Monica Taljaard, Murray Krahn, Dean Fergusson, Alan J. Forster, Doug Coyle, Kednapa Thavorn

Notice bibliographique

RevueCritical Care Medicine · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensInstitute for Clinical Evaluative SciencesOttawa HospitalToronto Public HealthUniversity of CalgaryUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicinePropensity score matchingHazard ratioSepsisCohortInternal medicineProportional hazards modelCohort studyPopulationConfoundingRetrospective cohort studyEmergency medicineConfidence intervalEnvironmental health

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To examine long-term mortality, resource utilization, and healthcare costs in sepsis patients compared to hospitalized nonsepsis controls. DESIGN: Propensity-matched population-based cohort study using administrative data. SETTING: Ontario, Canada. PATIENTS: We identified a cohort of adults (≥ 18) admitted to hospitals in Ontario between April 1, 2012, and March 31, 2016, with follow-up to March 31, 2017. Sepsis patients were flagged using a validated International Classification of Diseases, 10th Revision-coded algorithm (Sepsis-2 definition), including cases with organ dysfunction (severe sepsis) and without (nonsevere). Remaining hospitalized patients were potential controls. Cases and controls were matched 1:1 on propensity score, age, sex, admission type, and admission date. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: Differences in mortality, rehospitalization, hospital length of stay, and healthcare costs were estimated, adjusting for remaining confounders using Cox regression and generalized estimating equations. Of 270,669 sepsis cases, 196,922 (73%) were successfully matched: 64,204 had severe and 132,718 nonsevere sepsis (infection without organ dysfunction). Over follow-up (median 2.0 yr), severe sepsis patients had higher mortality rates than controls (hazard ratio, 1.66; 95% CI, 1.63-1.68). Both severe and nonsevere sepsis patients had higher rehospitalization rates than controls (hazard ratio, 1.53; 95% CI, 1.50-1.55 and hazard ratio, 1.41; 95% CI, 1.40-1.43, respectively). Incremental costs (Canadian dollar 2018) in sepsis cases versus controls at 1-year were: $29,238 (95% CI, $28,568-$29,913) for severe and $9,475 (95% CI, $9,150-$9,727) for nonsevere sepsis. CONCLUSIONS: Severe sepsis was associated with substantially higher long-term risk of death, rehospitalization, and healthcare costs, highlighting the need for effective postdischarge care for sepsis survivors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,941

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,197
Tête enseignante GPT0,409
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations111
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207