No disadvantages for women in acute stroke care in Germany: an analysis of access to stroke treatment services in Germany from 2017 to 2022
Notice bibliographique
Résumé
BACKGROUND: Several publications have raised concerns that female stroke patients may be at a disadvantage when accessing stroke treatment services. These publications have found significant regional differences in the provision of stroke treatment to male and female patients. In this study, we provide current nationwide data on stroke management differences between men and women in Germany. METHODS: This large retrospective cohort study used national datasets from the German Federal Statistical Office for 2017-2022. We examined differences between female and male stroke patients in terms of case volume, intravenous thrombolysis (IVT), mechanical thrombectomy (MTE), stroke unit (SU) treatment, intrahospital mortality, and prevalence of atrial fibrillation (AF). RESULTS: Data from more than 1.3 million hospitalised stroke patients were included. Forty-seven percent of the patients were female. Female patients were older and more frequently ≥ 80 years old (50.3% versus 29.4%). Rates of IVT (16.3% versus 16.3%) were similar for both sexes but higher in females when adjusted for age. MTE rates (8.2% versus 6.3%) were consistently higher in female patients across all age groups. Female patients had higher rates of intrahospital mortality (9.1% versus 6.2%), and admission to SUs (73.6% versus 76.0%) was less common. Treatment rates in intensive care units were similar (10.6% versus 10.5%). AF, a surrogate for embolic (and more severe) strokes, was more prevalent in females (32.6% versus 25.4%). CONCLUSIONS: We found no evidence that female stroke patients in Germany face any disadvantage in accessing stroke treatment services. Acute stroke treatment rates were generally similar or higher when compared to males. Higher intrahospital mortality and lower SU rates were attributed to greater age, comorbidities, and stroke severity. However, the differences were not fully explained when adjusting for AF and age. Further research is needed on sex differences in stroke mechanisms and outcomes.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».