Abstract 229: Burden And Predictors Of Sepsis-associated Cardiac Arrest: A National Inpatient Sample Analysis, 2018
Notice bibliographique
Résumé
Background: Sepsis-induced myocardial dysfunction with the resultant cardiomyopathy carries a high risk of mortality. We aimed to study the risk factors of cardiac arrest (CA) in Sepsis-related hospitalizations (SRH). Methods: We identified SRHs using the National Inpatient Sample (2018) and ICD10 codes to categorized them into with vs without CA. We then compared baseline characteristics and performed multivariate analysis adjusting for confounders to identify predictors of sepsis-associated CA. Results: Of SRH (1,345,595) in 2018, 0.8% (11,365) had a CA (Table1) . SRH with CA often had elderly (median age 70 vs 66 years), males (55.3% vs 48.8%), blacks (19.6% vs 13.3%), Hispanics (12.3 vs 11.7%), Medicare enrollees (69.9 vs 59.1%), and had patients from lower-income households (LIH, 36.9% vs 30.7%) than non-CA cohort. Statistically significant predictors for CA in SRH were age (5% increased risk every 5 years), male sex (aOR 1.28, 95CI 1.16-1.4), black (aOR 1.49, 95CI 1.3-1.7) & Hispanic (aOR 1.26, 95CI 1.09-1.45) race, LIH (aOR 1.31, 95CI 1.13-1.52), CHF (aOR 2.4, 95CI 2.16-2.68), pulmonary circulation disorder (aOR 2.14, 95CI 1.72-2.66), prior cardiac arrest (aOR 1.95, 95CI 1.16-3.27), coagulopathy (aOR 1.69, 95CI 1.5-1.9), alcohol abuse (aOR 1.42 95CI 1.17-1.74), PVD (aOR 1.36, 95CI 1.17-1.58), CKD (aOR 1.26, 95CI 1.14-1.39), cancer without metastasis (aOR 1.49, 95CI 1.24-1.8) and with metastasis (aOR 1.24, 95CI 1.01-1.52). Urban non-teaching vs rural (aOR 1.32, 95CI 1.1-1.57) and Southern vs Northeast hospitals (aOR 1.26, 95CI 1.09-1.46) showed higher odds of CA. Conclusion: SRH associated CA had high mortality with prevalent demographic and regional disparities, evident from black and Hispanic, males, patients from LHI and Southern hospitals revealing a higher risk of sepsis-associated CA. Congestive heart failure, pulmonary disease, prior cardiac arrest, coagulopathy, alcohol abuse, PVD, CKD, and cancers were the strongest predictors of CA in SRH.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».