Seasonal Variation in Ischemic Stroke Hospitalization: Results From a Large Health System in Six Western States of the United States
Notice bibliographique
Résumé
Background: Evidence of seasonal variations in the number of stroke admission is inconsistent with some studies reporting no association and some a significant rise in different months of the year. In addition, less is known about how seasonality impacts the admission according to stroke subtype. Methods: This was a cross-sectional, observational study of data from a hospital-based registry (n = 40 hospitals) affiliated with Providence Health and Services in Alaska, California, Montana, Oregon, Texas, and Washington state. We included all cases with acute ischemic stroke admitted from March 1, 2017, to February 29, 2020. Admission data were categorized according to four meteorological seasons: winter, spring, summer, and fall. Acute ischemic stroke was categorized into two sub-types as large vessel occlusion (LVO) or non-LVO. We calculated the aggregate number of individuals admitted with stroke by season. Using linear regression models with generalized estimating equations (GEEs), we assessed the relationship between meteorological season and daily hospitalization number. We used R version 4.0.4 (2021-02-15) for both the descriptive and inferential analyses and the R gee pack package (version 1.2-1) to perform GEEs. Results: During the study period, we identified 18,886 patients with acute ischemic stroke (median age: 73; 48.7% women). Acute ischemic stroke was more commonly observed during winter compared with other seasons with some variations between the selected regions. Based on a GEE model, stroke hospitalization increased during winter, with an additional 3.3 cases per day in comparison with spring in the whole population (beta: 3.3, 95% confidence interval (CI): (2.4, 4.1), P < 0001). Winter is also associated with a higher number of LVO. Conclusions: The total number of ischemic stroke admissions, including cases of LVO, increased during the winter months. The results are important for human resource allocation for better management of cases with ischemic strokes. J Neurol Res. 2023;13(1):33-42 doi: https://doi.org/10.14740/jnr745
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».