One year healthcare consumption prior to sudden cardiac death
Notice bibliographique
Résumé
AIMS: Identifying individuals at high risk of sudden cardiac death (SCD) is key, and knowledge on health care consumption prior to the event may be relevant to address this challenge. This study aimed to evaluate healthcare consumption patterns in the year preceding SCD. METHODS AND RESULTS: SCD cases were collected from the Paris Sudden Death Expertise Centre (SDEC) from 2011 to 2020. Using electronic health records from the French National Health Insurance System, all medical interactions were analysed in the year prior to SCD occurrence. To contextualize our findings, the SDEC population was compared with national-level data from the French population, categorized as either above or below the population average, across 2 dimensions: number of hospital diagnoses (primary diagnosis or emergency room visit) and outpatient visits (general practitioner or cardiologist visit). 21 912 SCD were included in the study. Compared with the general population, three distinct patterns of healthcare consumption were identified. The low-interaction group (14%) had minimal healthcare contact, with 3.8 times fewer outpatient and 13.5 times fewer inpatient visits. The intermediate group (40%) showed modest engagement, recording 1.5 times fewer outpatient visits and 5.8 times more inpatient visits. The high-interaction group (46%) had 2.7 times more outpatient and 7.9 times more inpatient visits compared with the general population. CONCLUSION: This study highlights significant variability in healthcare use during the year preceding SCD. Nearly half of patients had frequent healthcare contacts, suggesting opportunities for earlier identification and prevention.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».