‘July effect’ in management and outcomes of patients admitted with pulmonary embolism in the United States, 2016 to 2021
Notice bibliographique
Résumé
Background This study sought to assess the outcomes of pulmonary embolism (PE) admissions at teaching and nonteaching hospitals in the month of July, when new trainees begin their training in the United States.Methods During 2016–2021, adult (≥18 years) nonelective admissions with PE, admitted to urban teaching hospitals in the months of May and July, were identified using the National Inpatient Sample and compared to nonteaching admissions. Outcomes of interest included in-hospital mortality, complications, variations in management, total hospitalization costs, and hospitalization duration.Results From January 1, 2016, to December 31, 2021, 164,244 PE admissions were identified in May and July to teaching (76.5%) and nonteaching (23.5%) hospitals. The May and July cohorts had comparable baseline characteristics at both teaching and nonteaching hospitals. The rates of organ failure, noncardiac and cardiac organ support, cardiogenic shock, and cardiac arrest were comparable across all four cohorts. Use of systemic thrombolysis (3.8% vs 3.1%; P = 0.002) and catheter-directed therapies (4.1% vs 3.8%; P = 0.05) were higher in the teaching hospitals in July than in May, but there were no differences in nonteaching hospitals. The cohorts of teaching (3.0% vs 3.3%, P = 0.30) and nonteaching hospitals (2.7% vs 2.2%, P = 0.15) had comparable adjusted in-hospital mortality in May and July. Hospitalization duration, total hospitalization costs, and discharge disposition were comparable in all four cohorts.Conclusion In this large 6-year US analysis, there were no differences in the outcomes of PE admissions to teaching and nonteaching hospitals in the months of May and July, arguing against the ‘July effect.’
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 | 0,001 |
| 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 ».