Palliative Care Utilization Among Hospitalized Patients With Common Chronic Conditions in the United States
Notice bibliographique
Résumé
Objective: Limited data exist around the receipt of palliative care (PC) in patients hospitalized with common chronic conditions. We studied the independent predictors, temporal trends in rates of PC utilization in patients hospitalized with acute exacerbation of common chronic diseases. Methods: Population-based cohort study of all hospitalizations with an acute exacerbation of heart disease (HD), cerebrovascular accident (CVA), cancer (CA), and chronic lower respiratory disease (CLRD). Patients aged ≥18 years or older between January 1, 2004, and December 31, 2017, referred for inpatient PC were extracted from the National Inpatient Sample. Poisson regression analyses were used to estimate temporal trends. Results: Between 2004 and 2017, of 91,877,531 hospitalizations, 55.2%, 13.9%, 17.2%, and 13.8% hospitalizations were related to HD, CVA, CA, and CLRD, respectively. There was a temporal increase in the uptake of PC across all disease groups. Age-adjusted estimated rates of PC per 100,000 hospitalizations/year were highest for CA (2308 (95% CI 2249–2366) to 10,794 (95% CI 10,652–10,936)), whereas the CLRD cohort had the lowest rates of PC referrals (255 (95% CI 231–278) to 1882 (95% CI 1821–1943)) between 2004 and 2017, respectively. In the subgroup analysis of patients who died during hospitalization, the CVA group had the highest uptake of PC per 100,000 hospitalizations/year (4979 (95% CI 4918–5040)) followed by CA (4241 (95% CI 4189–4292)), HD (3250 (95% CI 3211–3289)) and CLRD (3248 (95% CI 3162–3405)). Conclusion: PC service utilization is increasing but remains disparate, particularly in patients that die during hospital admission from common chronic conditions. These findings highlight the need to develop a multidisciplinary, patient-centered approach to improve access to PC services in these patients.
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 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) | 0,001 | 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 | 0,001 |
| 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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».