Sex Differences in All-Cause Inpatient Mortality Risk in Gastric Cancer: Nationwide Inpatient Population-Based Study
Notice bibliographique
Résumé
Objective The purpose of this study is to evaluate the differences in demographic characteristics, comorbidities, and hospital outcomes in gastric cancer inpatients by sex and evaluate the risk factors for in-hospital mortality in gastric cancer inpatients by sex. Methods We conducted a cross-sectional study using the nationwide inpatient sample (NIS, 2019). Our sample included 22,415 adult inpatients (age ≥18 years) hospitalized with a primary discharge diagnosis of gastric cancer that was identified by the international classification of diseases, 10th revision (ICD-10) codes of C16.x. Independent univariate binomial logistic regression models were used to evaluate the odds ratio (OR) of predictors associated with all-cause in-hospital mortality in gastric cancer inpatients by sex. Results The total number of patients admitted with gastric cancer was 22,415, out of which 62.7% were males and 37.3% were females, with the mean age at the admission of 65.5 years and 66.4 years, respectively. While studying comorbidities, we found that 41.5% percent of all patients had gastric cancer with metastasis, and there existed a significantly higher prevalence in males (42.2% vs. 40.4% in females). Other important and statistically significant comorbid conditions that were prevalent in these patients include complicated diabetes (12.2%), obesity (12.1%), depression (8%), and alcohol abuse (3.1%). Females between 50-59 years of age were at 2.5 times increased risk of mortality compared to those less than 40 years of age (OR: 2.5; 95% CI: 1.28-4.95). Conclusion Females of the age group 50-59 years are at greater risk of all-cause inpatient mortality due to gastric cancer. Black males are at increased risk of all-cause inpatient mortality compared to White males. Gastric cancer incidence and mortality rates have been down trending with the development of screening and better treatment options, but it still continues to be a major burden on the healthcare system.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».