Abstract 9988: Racial/Ethnic Disparities in the Patients Undergoing Heart Transplantation: Insights from National Inpatient Sample 2016-2018
Notice bibliographique
Résumé
Background: There is a paucity of data on in-hospital outcomes of Heart Transplant (HT) recipients among different races. This study aimed to evaluate the impact of race on the clinical outcomes in the patients undergoing HT. Methods: We conducted a retrospective analysis of adult hospitalizations from the National Inpatient Sample (NIS) between 2016 and 2018. ICD codes were used to identify those who underwent HT. Prevalence estimates were weighted using NIS-provided discharge-level weights to reflect national estimates. Weighted multivariable logistic regression was used to assess the association of race and various clinical outcomes in those who underwent HT. Caucasians were kept as the reference category. These models were adjusted for several patient-level and hospital-level characteristics. Results: Among 7945 HT hospitalizations, 4835 (43.2%) were Caucasian, 1730 (41.7%) were African American, 814 (10.1%) were Hispanics and 565 (10.1%) were Others. After adjustment of variables, there was no significant difference in all-cause mortality, cardiac arrest, invasive mechanical ventilation, use of pressors, tracheostomy, gastrostomy, vascular complications, bleeding requiring transfusion, stroke or acute kidney injury in African-Americans, Hispanics and others when compared to Caucasians (Table 2). Conclusions: We did not find a significant difference in various hospital outcomes of HT recipients among different races.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,002 | 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 ».