US Surveillance of Acute Ischemic Stroke Patient Characteristics, Care Quality, and Outcomes for 2019
Notice bibliographique
Résumé
BACKGROUND: The United States lacks a timely and accurate nationwide surveillance system for acute ischemic stroke (AIS). We use the Get With The Guidelines-Stroke registry to apply poststratification survey weights to generate national assessment of AIS epidemiology, hospital care quality, and in-hospital outcomes. METHODS: Clinical data from the Get With The Guidelines-Stroke registry were weighted using a Bayesian interpolation method anchored to observations from the national inpatient sample. To generate a US stroke forecast for 2019, we linearized time trend estimates from the national inpatient sample to project anticipated AIS hospital volume, distribution, and race/ethnicity characteristics for the year 2019. Primary measures of AIS epidemiology and clinical care included patient and hospital characteristics, stroke severity, vital and laboratory measures, treatment interventions, performance measures, disposition, and clinical outcomes at discharge. RESULTS: We estimate 552 476 patients with AIS were admitted in 2019 to US hospitals. Median age was 71 (interquartile range, 60-81), 48.8% female. Atrial fibrillation was diagnosed in 22.6%, 30.2% had prior stroke/transient ischemic attack, and 36.4% had diabetes. At baseline, 46.4% of patients with AIS were taking antiplatelet agents, 19.2% anticoagulants, and 46.3% cholesterol-reducers. Mortality was 4.4%, and only 52.3% were able to ambulate independently at discharge. Performance nationally on AIS achievement measures were generally higher than 95% for all measures but the use of thrombolytics within 3 hours of early stroke presentations (81.9%). Additional quality measures had lower rates of receipt: dysphagia screening (84.9%), early thrombolytics by 4.5 hours (79.7%), and statin therapy (80.6%). CONCLUSIONS: We provide timely, reliable, and actionable US national AIS surveillance using Bayesian interpolation poststratification weights. These data may facilitate more targeted quality improvement efforts, resource allocation, and national policies to improve AIS care and outcomes.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 | 0,001 |
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 ».