Seizures With Major Comorbidity and Complications: Association of the Teaching Status of the Hospitals With the Outcomes
Notice bibliographique
Résumé
Background: This study aims to compare the outcomes of complicated seizure cases in teaching institutions as compared to non-teaching hospitals. Methods: A retrospective cohort study was conducted utilizing the Healthcare Cost and Utilization Project (HCUP) national database to analyze outcomes of seizures between 2012 and 2016 in the USA. Results: We evaluated 267,430 of seizure patients with major complication or comorbidity between 2012 and 2016. Of these, 6,980 in-hospital deaths were reported. There was a trend toward a significantly higher mortality in teaching compared with non-teaching hospitals (P = 0.07). The average length of stay (LOS) was 5.2 days, with LOS in 2014 and 2016, being longer in teaching hospitals (P < 0.05). Hospital charges were not significantly different among the two groups, but both types of hospitals did show a statistically significant charge increase from 2012 to 2016 (P < 0.001). Conclusions: Our data showed that there is a trend toward significantly higher mortality in teaching hospitals. LOS was also more reported in teaching hospitals, which could be inherent to the increased volume and coordination of care and more complexity of the cases in teaching hospitals. However, hospital charges were not different in teaching versus non-teaching hospitals. J Neurol Res. 2020;10(4):127-131 doi: https://doi.org/10.14740/jnr588
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 | 0,003 |
| 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 | 0,000 | 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 ».