Abstract P465: Impact of Smoking Among Medicare Beneficiaries With HIV Admitted for Acute Myocardial Infarction in the United States; a Perspective Using the 2019 National Inpatient Sample
Notice bibliographique
Résumé
Introduction: While smoking has shown to influence health negatively, there is a lack of data of its impact among HIV patients hospitalized for Acute Myocardial Infarction (AMI) under Medicare. Hypothesis: We assessed the hypothesis that the characteristics of smokers vs. non-smokers differ among Medicare beneficiaries with a diagnosis of HIV admitted for AMI in the US, and that worse hospitalization outcomes may be seen with smokers. Method: The 2019 National Inpatient Sample was used for our study. We first found patients with a principal admission for AMI, covered by Medicare and with a diagnosis of HIV. The presence of smoking(nicotine) was compared between various patient characteristics and an adjusted odds ratio (aOR) for the mortality risk among smokers with HIV admitted for AMI was also estimated. Results: Our study found 1315 cases of AMI among HIV patients covered by Medicare with 800 (60.8%) smokers. Various differences were seen in patient characteristics. Smokers were younger than non-smokers (mean age 61.13 years vs. 62.74 years) and a higher proportion were males (88.1%). Furthermore, smokers also had a higher prevalence of depression (16.9% vs. 10.7%), drug abuse (14.4% vs. 3.9%), chronic pulmonary disease (40.0% vs. 15.5%), and peripheral vascular disease (13.6% vs 10.0%). However, non-smokers had a higher prevalence of hypothyroidism (6.9% vs. 10.7%), cirrhosis (1.9 vs. 8.7%), diabetes mellitus (33.1% vs. 47.6%), hypertension (78.8% vs. 86.4%), anemia (25.0% vs 38.8%) and chronic kidney disease (35.0% vs 50.5%). After adjusting for variables, smokers in our sample had a higher inpatient mortality risk (aOR 2.203, 95% CI 1.027-4.728, p= 0.043). Conclusion: Inpatient mortality risk for HIV Medicare beneficiaries admitted with AMI was higher among smokers. Several differences in patient characteristics were also observed. More strict educational and sensitization campaigns among this population may be helpful.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,003 | 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 ».