The changing landscape of geriatric care in acute myeloid leukemia: a 5-year analysis of inpatient mortality predictors, trends in mortality, and chemotherapy use
Notice bibliographique
Résumé
Background This study examined inpatient mortality factors in geriatric patients with acute myeloid leukemia (AML) using data from the 2016 to 2020 National Inpatient Sample.Methods Identifying patients through ICD-10 codes, a total of 127,985 individuals with AML were classified into age categories as follows: 50.58% were 65 to 74 years, 37.74% were 75 to 84 years, and 11.68% were 85 years or older. Statistical analysis, conducted with STATA, involved Fisher’s exact and Student’s t tests for variable comparisons. Mortality predictors were identified through multivariate logistic regression.Results Various hospital and patient-level factors, including an increase in age, race, a higher Charlson Comorbidity Index score, insurance status, and specific comorbidities such as atrial fibrillation and protein-calorie malnutrition, independently elevated the risk of inpatient mortality. Asthma, hyperlipidemia, and inpatient chemotherapy were linked to lower mortality. Although there was no statistically significant mortality rate change from 2016 to 2020, a decline in chemotherapy use in the eldest age group was noted.Conclusion This study highlights the complexity of factors influencing inpatient mortality among geriatric patients with AML, emphasizing the need for personalized clinical approaches in this vulnerable population.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,000 |
| 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 ».