Risk and distribution of chronic obstructive pulmonary disease–related hospitalizations among primary care patients
Notice bibliographique
Résumé
OBJECTIVE: To determine the extent of chronic obstructive pulmonary disease (COPD) hospitalization in easily identifiable high-risk subgroups within a typical primary care practice. DESIGN: Prospective cohort analysis of administrative claims data. SETTING: British Columbia. PARTICIPANTS: British Columbia residents who were 50 years or older on December 31, 2014, and received a physician diagnosis of COPD between 1996 and 2014. MAIN OUTCOME MEASURES: Rate of acute exacerbation of COPD (AECOPD) or pneumonia hospitalization in 2015, broken down by risk identifiers including previous AECOPD admission, 2 or more community respirologist consultations, nursing home residence, or none of these. RESULTS: Of the 242,509 identified COPD patients (12.9% of British Columbia residents ≥50 years), 2.8% were hospitalized for AECOPD in 2015 (0.038 AECOPD hospitalizations per patient-year). The 12.0% with prior AECOPD hospitalization accounted for 57.7% of new AECOPD hospitalizations (0.183 hospitalizations per patient-year); the 7.7% with respirologist involvement accounted for 20.4% (0.102 hospitalizations per patient-year); and the 2.2% in nursing homes accounted for 3.6% (0.061 hospitalizations per patient-year). Those with any of the 3 risk identifiers accounted for only 1.5% more COPD hospitalizations (59.2%) than those with prior AECOPD hospitalization, suggesting prior AECOPD hospitalization is the most important indication of risk. A typical primary care practice held a median of 23 (interquartile range=4 to 65) COPD patients, of whom roughly 20 (86.4%) had none of these risk identifiers. This low-risk majority had only 0.018 AECOPD hospitalizations per patient-year. CONCLUSION: Most AECOPD hospitalizations occur in patients with previous such admissions. When time and resources are limited, COPD initiatives targeting primary care practices should focus more on the 2 to 3 patients with prior AECOPD hospitalization or more symptomatic disease, and less on the low-risk majority.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».