Heart Failure and Sepsis-Related Mortality Trends in the United States, 1999 - 2019: An Analysis of Gender, Race/Ethnicity, and Regional Disparities
Notice bibliographique
Résumé
Background: Heart failure (HF) and sepsis are significant causes of disease burden and mortality among the elderly population of the USA. HF causes fluid overload, which complicates the treatment approach when patients develop sepsis necessitating fluid resuscitation. While individual disease states have been studied extensively, the trends in mortality for concurrent sepsis and HF are not well known. Methods: Mortality trends due to sepsis and HF in individuals aged 65 and older in the USA from 1999 to 2019 were analyzed using the Centers for Disease Control and Prevention Wide-ranging Online Data for Epidemiologic Research (CDC WONDER) database. Differences in age-adjusted mortality rate (AAMR) and average annual percent change (AAPC) over the past two decades based on gender, race, region, and place of death were examined. Results: Between 1999 and 2019, there were a total of 5,887,799 deaths related to HF, 2,584,523 deaths related to sepsis, and 250,115 deaths related to both HF and sepsis. There was also a decrease in AAMR for HF-related (AAPC -0.80%) and sepsis-related (AAPC -0.28) deaths but an increase in combined HF and sepsis-related AAMR (AAPC 1.06%). Men had consistently higher AAMRs compared to women and a greater increase in mortality (AAPC in men 1.53% vs. women 0.56%). African American patients had a higher AAMR than White patients throughout the study period, though the difference narrowed. African Americans saw a decrease in overall HF and sepsis-related AAMR from 48.90 to 40.56 (AAPC -0.83), whereas AAMR for the White population increased from 27.26 to 33.81 (AAPC 1.37). Regionally, the Northeast had the highest AAMR in 1999 (32.32) but decreased to the lowest AAMR by 2019 (30.77). Totally, 203,368 (81.31%) of all deaths related to HF and sepsis were in medical facilities, 18,430 (7.37%) were in home/hospice facilities, and 24,713 (9.88%) in nursing homes. Conclusions: HF and sepsis-related mortality in the elderly population increased over the past two decades, with men and African Americans at disproportionately higher risk.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».