A90 A PROPENSITY SCORE-MATCHED, STATE-LEVEL COMPARISON OF INPATIENT CIRRHOSIS OUTCOMES IN ENGLISH VS NON-ENGLISH SPEAKING PATIENTS
Notice bibliographique
Résumé
Abstract Background United States (US) citizens speaking a foreign language at home has increased by 192% from 1980 to 2018. Aims With the increase in multiculturalism and ongoing concerns for health disparities in the US, we sought to compare inpatient outcomes between non-English speaking and English-speaking patients with cirrhosis. Methods The 2013–14 Maryland State inpatient databases were used to compare inpatient outcomes in adult patients with cirrhosis. The analysis cohort was identified using a validated algorithm of ICD-9 codes. Cirrhosis patients were stratified based on primary language into non-English-speaking patients [NESP] vs English-speaking patients [ESP]. A 1:3 propensity score matching analysis based on possible confounders was used to finalize the analysis cohort. The primary outcome (all-cause in-hospital mortality) and secondary outcomes including 30-day all-cause readmission rates, length of stay, total hospitalization charges were then compared between groups. Results In the study period, 3,035 NESP vs 21,212 ESP discharges were identified. We matched 1,659 NESP with 4,928 ESP using a 1:3 algorithm. Table 1 highlights demographic data. In the unmatched analysis, all-cause mortality was higher in the ESP cohort compared to NESP (6.71% vs 5.73%, p=0.046). However, after propensity-matching, inpatient mortality rate became comparable between both groups (6.45% vs 6.51%, p=0.9). Thirty day all-cause readmission rates were also similar between ESP vs NESP (4.87% vs 4.28%, p=0.18). Median length of stay in the ESP group was 4 days (IQR 3–8) vs 5 days (IQR 3–7) in the NESP group, while median total charges in ESP were $55,984 (IQR $33,897-$98,679) compared to $61,262 (IQR $36,228-$$108,369) in NESP. Conclusions While significant differences in socioeconomic status and payer type exist between non-English and English speaking cirrhosis patients, these do not appear to negatively impact inpatient outcomes including all-cause inpatient mortality, 30-day readmission rates, length of stay, total hospital charges. Funding Agencies None
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».