Impact of treatment management on the hospital stay in patients with acute coronary syndrome
Notice bibliographique
Résumé
BACKGROUND: The length of hospital stay in patients with acute coronary syndrome (ACS) is crucial for determining clinical outcomes, managing healthcare resources, controlling costs, and ensuring patient well-being. This study aimed to explore the impact of treatment approaches on the length of stay (LOS) for ACS patients. METHODS: A total of 7109 ACS cases were retrospectively recruited from a hospital between 2018 and 2023. Demographical baseline data, laboratory examinations, and diagnostic and treatment information of the included subjects were extracted from electronic medical records to investigate the factors contributing to extended hospitalization and further explore the impact of treatment management on the LOS. RESULTS: Advanced age, female sex, and elevated levels of B-type natriuretic peptide, C-reactive protein and higher low-density lipoprotein cholesterol were identified as risk factors for extended hospitalization. At the 0.2-0.9 quantile of LOS, compared with the non-invasive group, the percutaneous transluminal coronary angioplasty group and the stent implantation group exhibited decreases in LOS of 0.37-2.37 days and 0.12-2.28 days, respectively. Stratified analysis based on diagnosis showed that percutaneous coronary intervention decreased hospitalization time in the high quantile of LOS but conversely increased it in the low quantile. CONCLUSION: Percutaneous coronary intervention is important for reducing hospitalization duration, particularly for patients susceptible to prolonged stays. Early and assertive management intervention, incorporating elements such as lipid-lowering therapy, and anti-inflammatory agents, is essential for improving outcomes within high-risk groups.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».