Impact of cancer diagnosis on distribution and trends of cardiovascular hospitalizations in the USA between 2004 and 2017
Notice bibliographique
Résumé
BACKGROUND AND AIMS: There is limited data on temporal trends of cardiovascular hospitalizations and outcomes amongst cancer patients. We describe the distribution, trends of admissions, and in-hospital mortality associated with key cardiovascular diseases among cancer patients in the USA between 2004 and 2017. METHODS: Using the Nationwide Inpatient Sample we, identified admissions with five cardiovascular diseases of interest: acute myocardial infarction (AMI), pulmonary embolism (PE), ischaemic stroke, heart failure, atrial fibrillation (AF) or atrial flutter, and intracranial haemorrhage. Patients were stratified by cancer status and type. We estimated crude annual rates of hospitalizations and annual in-hospital all-cause mortality rates. RESULTS: From >42.5 million hospitalizations with a primary cardiovascular diagnosis, 1.9 million (4.5%) had a concurrent record of cancer. Between 2004 and 2017, cardiovascular admission rates increased by 23.2% in patients with cancer, whilst decreasing by 10.9% in patients without cancer. The admission rate increased among cancer patients across all admission causes and cancer types except prostate cancer. Patients with haematological (9.7-13.5), lung (7.4-8.9), and GI cancer (4.6-6.3) had the highest crude rates of cardiovascular hospitalizations per 100 000 US population. Heart failure was the most common reason for cardiovascular admission in patients across all cancer types, except GI cancer (crude admission rates of 13.6-16.6 per 100 000 US population for patients with cancer). CONCLUSIONS: In contrast to declining trends in patients without cancer, primary cardiovascular admissions in patients with cancer is increasing. The highest admission rates are in patients with haematological cancer, and the most common cause of admission is heart failure.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,001 |
| 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 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 ».