Trends of Readmissions for Gastrointestinal Bleeding After Alcoholic Hepatitis: Analysis of the Nationwide Readmission Database
Notice bibliographique
Résumé
Background: Alcohol consumption is associated with numerous hepatic manifestations, including alcoholic fatty liver disease, alcoholic hepatitis (AH), and liver cirrhosis. AH is a common and serious complication of alcohol use. Gastrointestinal bleeding (GIB) remains one of the most common causes of death in these patients. In this article, we studied the trends of GIB after AH. Methods: This was a retrospective interrupted trend study. We analyzed the 2010, 2012, 2014, 2016, and 2018 Nationwide Readmission Databases. The first AH hospitalization in the year was marked as index hospitalization. We identified subsequent hospitalizations with GIB within 30 days and marked them as readmissions. A multivariate regression analysis was used to calculate the risk-adjusted odds of trends for GIB readmissions, including esophageal varices bleeding (EVB), upper GIB, lower GIB, and all GIB. Results: The volume of index hospitalizations increased from 10,248 in 2010 to 16,479 in 2018. Similarly, all readmissions increased from 1,838 in 2010 to 3,908 in 2018. Of all readmissions, EVB increased from 3.9% in 2010 to 5.9% in 2018 (odds ratio (OR) trend 1.10; P < 0.001). Readmissions for upper GIB increased from 2.4% in 2010 to 7.8% in 2018 (OR trend 1.22; P < 0.001). On the other hand, lower GIB readmissions decreased from 7.2% in 2010 to 4.7% in 2018 (OR trend 0.95; P = 0.015). There was no statistically significant trend for all GIB readmissions (OR trend 1; P = 0.915). Conclusion: Further studies are needed to evaluate the patterns of lower GIB in patients with liver disease and the recent trends of corticosteroids use in AH 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,002 | 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 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 ».