MétaCan
Menu
Retour à la cohorte
Enregistrement W4223983437 · doi:10.3899/jrheum.220038

Gout and Hospital Admission for Ambulatory Care–Sensitive Conditions: Risks and Trajectories

2022· article· en· W4223983437 sur OpenAlexvenueno aff
Ali Kiadaliri, Tuhina Neogi, Martin Englund

Notice bibliographique

RevueThe Journal of Rheumatology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueGout, Hyperuricemia, Uric Acid
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesReumatikerförbundetGreta och Johan Kocks stiftelserVetenskapsrådet
Mots-clésMedicineGoutHazard ratioEmergency medicineProportional hazards modelCohortAmbulatoryInternal medicinePediatricsConfidence interval

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To investigate the risks and trajectories of hospital admission for ambulatory care-sensitive conditions (ACSCs) in gout. METHODS: Among individuals aged 35 years to 85 years residing in Skåne, Sweden, in 2005, those with no doctor-diagnosed gout during 1998 to 2005 (n = 576,659) were followed from January 1, 2006, until a hospital admission for an ACSC, death, relocation outside Skåne, or December 31, 2016. Treating a new gout diagnosis (International Classification of Diseases, 10th revision, code M10) as a time-varying exposure, we used Cox proportional and additive hazard models to estimate the effects of gout on hospital admissions for ACSCs. We investigated the trajectory of hospital admissions for ACSCs from 3 years before to 3 years after gout diagnosis using generalized estimating equations and group-based trajectory modeling in an age-and sex-matched cohort study. RESULTS: Gout was associated with a 41% increased rate of hospital admission for ACSCs (hazard ratio 1.41, 95% CI 1.35-1.47), corresponding to 121 (95% CI 104-138) more hospital admissions for ACSCs per 10,000 person-years compared with those without gout. Our trajectory analysis showed that higher rates of hospital admission for ACSCs among persons with gout were observed from 3 years before to 3 years after diagnosis, with the highest prevalence rate ratio (2.22, 95% CI 1.92-2.53) at the 3-month period after diagnosis. We identified 3 classes with distinct trajectories of hospital admissions for ACSCs among patients with gout: almost none (88.5%), low-rising (9.7%), and moderate-sharply rising (1.8%). The Charlson Comorbidity Index was the most important predictor of trajectory class membership. CONCLUSION: Increased risk of hospital admissions for ACSCs in gout highlights the need for better management of the disease through outpatient care, especially among foreign-born, older patients with comorbidities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,288
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetGout, Hyperuricemia, Uric AcidTravaux en français237 207