Trends and Outcomes of Alcoholic Liver Cirrhosis Hospitalizations in the Last Two Decades: Analysis of the Nationwide Inpatient Sample
Notice bibliographique
Résumé
Background: Liver cirrhosis is a major burden on the health care system. Alcohol is one of the most common etiologies of cirrhosis. The aim of our article is to examine the trends of alcoholic liver cirrhosis (ALC) hospitalizations over the past two decades. Methods: This was a retrospective longitudinal study. Using the International Classification of Diseases, Ninth Revision, Clinical Modification/Procedure Coding System (ICD-9-CM/PCS) and the ICD-10-CM/PCS, the Nationwide Inpatient Sample (NIS) database was analyzed. We included 1998, 2003, 2008, 2013, and 2018 NIS databases. Using multivariate regression analysis, we examined trends of ALC hospitalizations including inpatient mortality, mean length of stay (LOS), and mean total hospital charges (THCs). Results: We included 261,420 hospitalizations with ALC as the primary diagnosis for admission. There was a trend toward increasing hospitalizations over that period; they increased from 46,186 in 1998 to 69,970 in 2018 (P < 0.001). Moreover, there was a 2.1-fold increase in the mean THC in 2018 compared to 1998 (P < 0.001). On the other hand, inpatient mortality decreased from 12.8% in 1998 to 4.7% in 2018 (P < 0.001), and a trend of decreasing mean LOS was observed. The mean LOS decreased from 7.0 days in 1998 to 5.9 days in 2018 (P < 0.001). Conclusions: Over the last two decades, there was a trend of increasing hospitalizations and THC. However, we noticed a trend toward decreasing inpatient mortality and LOS over that period, which might reflect in part an improvement in the medical care provided for these patients.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».