Alcohol‐related liver disease mortality and missed opportunities in secondary care: A United Kingdom retrospective observational study
Notice bibliographique
Résumé
INTRODUCTION: Alcohol-related liver disease (ARLD) is a preventable cause of mortality. Historical epidemiological studies on ARLD often lack a detailed linked assessment of health-related contacts prior to death which limits understanding of opportunities for intervention. We aimed to analyse retrospective population-based data of all adult residents of Nottinghamshire dying from ARLD to determine the factors associated with delayed diagnosis of ARLD and the potential missed opportunities for interventions. METHODS: We linked the Office for National Statistics and Hospital Episode Statistics databases to identify adult (≥18 years) residents of Nottinghamshire, who died of ARLD over the 5-year period (1 January 2012 to 31 December 2017). Death was used as the primary outcome, and logistic regression analysis was conducted to test the association between key variables and mortality due to ARLD. RESULTS: Over 5 years, 799 ARLD deaths were identified. More than half had no diagnosis or a diagnosis of ARLD less than 6 months before death. Emergency presentation at first ARLD diagnosis and White ethnicity were significantly associated with a delay in diagnosis. Overall, the cohort had a median of five hospital admissions, four accident and emergency attendances and 16 outpatient appointments in the 5 years before death. Treatment was provided by a range of specialities, with general medicine the most common. Alcohol was associated with most admissions. DISCUSSION AND CONCLUSIONS: This study identified deficiencies in ARLD secondary care and provides us with a powerful methodology that can be used to evaluate and improve how alcohol issues are managed and where action can be best targeted.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».