Hospitalized patients co-diagnosed with infective endocarditis and opioid drug dependence in Florida, 2015-2018
Notice bibliographique
Résumé
Objective: As the opioid addiction epidemic continues to grow, other serious health issues regarding drug use has also increased. This study examines the trends in admissions and population characteristics of those who experience infective endocarditis with opioid drug dependence.Methods: We used ICD-9-CM and ICD-10-CM codes to identify patients admitted to a hospital with infective endocarditis and with a secondary diagnosis of opioid use related disorders using data released by the Florida Agency for Health Care Administration (AHCA). Data included age, gender, ethnicity, race, discharge disposition, admission type, payer status, total charges, and zip code of patients’ residence.Results: During the four-year period, the percent of patients diagnosed with infective endocarditis and a diagnosis code associated with opioid abuse or dependence doubled (4.48% to 8.52%). Of the patients dually diagnosed, the mean age was 37.47 and the majority were white (90.78%), non-Hispanic (91.96%), and female (58.55%). Nearly 47% of the patients did not have health insurance. The percentage of patients with both diagnosis codes living in urban counties was 91.37%. Median length of stay was 10 days and median total charges for patients was $101,604.Conclusions: With the increasing incidence of opioid dependence and addiction within the United States, there is a rise in infective endocarditis, a costly and debilitating disease. Our analysis provides the framework for hospital systems to identify patients who may benefit from addiction services, which through downstream effects will cause less of a health and financial burden.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».