Abstract P133: Geospatial Mapping of Prehospital Delay in Acute Ischemic Stroke and Association With Social Vulnerability
Notice bibliographique
Résumé
Introduction: Prehospital delay, defined as the delay between symptom discovery and hospital arrival, remains a major barrier to timely acute stroke treatments. Delay is worse in socially vulnerable populations. A geospatial map of prehospital delay may identify high-risk areas and highlight the role of community social vulnerability in delay. We hypothesized that a community’s social vulnerability would be associated with delay. Methods: We analyzed national Get With The Guidelines ischemic stroke data between 2015 and 2017. We calculated the median arrival time (symptom discovery-to-door times) for each Zip Code Tabulation Area (ZCTA), and created geospatial map using ArcGIS. The primary exposure variable was the Center for Disease Control’s Social Vulnerability Index (SVI), and its 4 subcomponents. The SVI is a composite metric of community vulnerability using U.S. Census data (0, least vulnerable to 1, most vulnerable). To account for clustering within ZCTAs, we performed a multilevel linear regression of community-level SVI and patient-level prehospital delay. Results: During the study period, 149,774 patients had an ischemic stroke in 16,949 ZCTAs. Across patients, the median time of arrival was 140 mins, IQR was 60-459 mins, and range was 1-1439 mins. Arrival by 2h occurred in 46% of patients. Multilevel regression showed a strong positive association between the SVI and prehospital delay, evident in the maps (Figure). For every 10% increase in the SVI, the arrival time increased by 38 minutes [CI, 30 - 47] (p<0.001). Considering the 4 SVI subcomponents, delay was most strongly associated with socioeconomic status, household composition, and housing/transportation, but not minority status/language. Conclusion: Using geospatial mapping of prehospital delay across the United States, we show that community SVI is strongly associated with delayed ischemic stroke arrival. These maps help identify communities to target for stroke preparedness campaigns.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».