Quality of care and long-term survival after ST-elevation myocardial infarction in adults with cancer
Notice bibliographique
Résumé
BACKGROUND: While current evidence suggests that the clinical outcomes of ST-elevation myocardial infarction (STEMI) are worse among patients with cancer, it is unknown what role the quality of care received during admission plays. We aimed to evaluate the association between care quality and patient survival after discharge. METHODS AND RESULTS: A nationally-linked cohort of STEMI patients (January 2005-March 2019) were obtained from the UK Myocardial Infarction National Audit Project and UK national Hospital Episode Statistics Admitted Patient Care registries. We used the composite opportunity-based quality indicator to measure overall care quality. Survival outcomes were assessed using Cox proportional hazard models and Kaplan-Meier and cumulative survival curves. In total, 6787 STEMI indexed admissions with cancer were identified. Of those, 4340 (63.9%) patients received optimum care, 1320 (19.5%) intermediate care, and 1127(25.2%) low care quality. Patients with low care quality were older [optimum quality median (IQR) = 72.8 (65.1, 79.6), intermediate quality 75.5 (67.9, 82.1), low quality 78.2 (69.2, 84.7)] and more frequently women (optimum quality 21.6%, intermediate quality 27.3%, low quality 35.5%). Compared to patients with optimum care, patients with low care quality had a higher risk of death at 30 days [hazard ratio (HR) 7.0, 95% confidence interval (CI) 5.7-8.7], 1 year (HR 4.0, 95% CI 3.6-4.4), and 5 years (HR 2.6, 95% CI 2.4-2.8). Relative survival analysis revealed that the number of patients who would survive nationally if they received optimal care is 84 (95% CI 67-102), 508 (95% CI 468-548), and 1096 (95% CI 1034-1158) at 30 days, 1 year, and 5 years, respectively. The association between care quality and survival was more profound in the Northwest and Northeast regions. CONCLUSION: Quality of care is closely associated with short- and long-term survival among STEMI patients with cancer. Improving quality of care may save hundreds to thousands of lives in the shorter and longer term.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».