The association between cardiac intensive care unit mechanical ventilation volumes and in-hospital mortality
Notice bibliographique
Résumé
AIMS: The incidence of respiratory failure and use of invasive or non-invasive mechanical ventilation (MV) in the cardiac intensive care units (CICUs) is increasing. While institutional MV volumes are associated with reduced mortality in medical and surgical ICUs, this volume-mortality relationship has not been characterized in the CICU. METHODS AND RESULTS: National population-based data were used to identify patients admitted to CICUs (2005-2015) requiring MV in Canada. CICUs were categorized into low (≤100), intermediate (101-300), and high (>300) volume centres based on spline knots identified in the association between annual MV volume and mortality. Outcomes of interest included all-cause in-hospital mortality, the proportion of patients requiring prolonged MV (>96 h) and CICU length of stay (LOS). Among 47 173 CICU admissions requiring MV, 89.5% (42 200) required invasive MV. The median annual CICU MV volume was 43 (inter-hospital range 1-490). Compared to low-volume centres (35.9%), in-hospital mortality was lower in intermediate [29.2%, adjusted odds ratio (aOR) 0.84, 95% confidence interval (CI) 0.72-0.97, P = 0.019] and high-volume (18.2%; aOR 0.82, 95% CI 0.66-1.02, P = 0.076) centres. Prolonged MV was higher in low-volume (29.2%) compared to high-volume (14.8%, aOR 0.70, 95% CI 0.55-0.89, P = 0.003) and intermediate-volume (23.0%, aOR 0.85, 95% CI 0.68-1.06, P = 0.14] centres. Mortality and prolonged MV were lower in percutaneous coronary intervention (PCI)-capable and academic centres, but a shorter CICU LOS was observed only in subgroup of PCI-capable intermediate- and high-volume hospitals. CONCLUSIONS: In a national dataset, we observed that higher CICU MV volumes were associated with lower incidence of in-hospital mortality, prolonged MV, and CICU LOS. Our data highlight the need for minimum MV volume benchmarks for CICUs caring for patients with respiratory failure.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».