Use of linked data to assess the impact of including out-of-hospital deaths on 30-day in-hospital mortality indicators: a retrospective cohort study
Notice bibliographique
Résumé
BACKGROUND: The Canadian Institute for Health Information (CIHI) annually reports on health system performance indicators, including various 30-day in-hospital mortality rates. We aimed to assess the impact of including out-of-hospital deaths on 3 CIHI indicators: 30-day acute myocardial infarction (AMI) in-hospital mortality, 30-day stroke in-hospital mortality and hospital deaths following major surgery. METHODS: We followed national cohorts of patients admitted to hospital in 1 of 9 Canadian provinces for AMI, stroke and major surgery for 30-day all-cause mortality in 2 fiscal years (2011/12 and 2016/17). We calculated descriptive statistics to characterize the cohorts. The CIHI Discharge Abstract Database was linked with the Canadian Vital Statistics Death Database using a probabilistic algorithm to identify out-of-hospital deaths. We calculated absolute numbers, relative proportions and 30-day mortality rates for in-hospital, out-of-hospital and all deaths. We compared results between fiscal years. RESULTS: We found that hospital admissions increased between fiscal years for each indicator; however, cohort characteristics remained consistent. In 2016/17, the number of out-of-hospital deaths that occurred was 325 for AMI, 545 for stroke and 820 for major surgery. The relative proportions of out-of-hospital deaths ranged from 12.3% for AMI to 14.9% for major surgery in 2016/17 (an increase from 10.6% and 13.1%, respectively, from 2011/12). In-hospital mortality rates improved over time for all 3 indicators, while out-of-hospital mortality rates remained consistent between fiscal years at 0.8% for AMI, 1.9%-2.0% for stroke and 0.2%-0.3% for major surgery. INTERPRETATION: Improvements between fiscal years were attributable to reductions in in-hospital mortality, rather than deaths occurring outside of hospitals. Trends over time were the same for each indicator irrespective of whether in-hospital mortality or all deaths were measured.
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 | 0,016 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».