Differential Patterns and Outcomes of 20.6 Million Cardiovascular Emergency Department Encounters for Men and Women in the United States
Notice bibliographique
Résumé
Background We describe sex-differential disease patterns and outcomes of >20.6 million cardiovascular emergency department encounters in the United States. Methods and Results We analyzed primary cardiovascular encounters from the Nationwide Emergency Department Sample between 2016 and 2018. We grouped cardiovascular diagnoses into 15 disease categories. The sample included 48.7% women; median age was 67 (interquartile range, 54-78) years. Men had greater overall baseline comorbidity burden; however, women had higher rates of obesity, hypertension, and cerebrovascular disease. For women, the most common emergency department encounters were essential hypertension (16.0%), hypertensive heart or kidney disease (14.1%), and atrial fibrillation/flutter (10.2%). For men, the most common encounters were hypertensive heart or kidney disease (14.7%), essential hypertension (10.8%), and acute myocardial infarction (10.7%). Women were more likely to present with essential hypertension, hypertensive crisis, atrial fibrillation/flutter, supraventricular tachycardia, pulmonary embolism, or ischemic stroke. Men were more likely to present with acute myocardial infarction or cardiac arrest. In logistic regression models adjusted for baseline covariates, compared with men, women with intracranial hemorrhage had higher risk of hospitalization and death. Women presenting with pulmonary embolism or deep vein thrombosis were less likely to be hospitalized. Women with aortic aneurysm/dissection had higher odds of hospitalization and death. Men were more likely to die following presentations with hypertensive heart or kidney disease, atrial fibrillation/flutter, acute myocardial infarction, or cardiac arrest. Conclusions In this large nationally representative sample of cardiovascular emergency department presentations, we demonstrate significant sex differences in disease distribution, hospitalization, and death.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
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 ».