Clinical predictors of hospital admission in low-risk pulmonary embolism: a retrospective cohort study
Notice bibliographique
Résumé
INTRODUCTION: Decisions about whether to admit patients with pulmonary embolism (PE) are often guided by risk stratification tools, such as the simplified Pulmonary Embolism Severity Index (sPESI). Patients deemed low-risk are typically treated as outpatients; however, some still experience complications. This study compares characteristics of low-risk PE patients managed as outpatients versus inpatients and evaluates patient-level factors associated with admission decisions. METHODS: We conducted a retrospective cohort study of adults (≥18 years) with objectively confirmed acute PE diagnosed between 1 June 2014, and 31 May 2019. Patients classified as low-risk (sPESI = 0) and without right ventricular dysfunction (RVD) were included. Clinical data were abstracted from records, and patients were categorized by initial sites of care (inpatient versus outpatient). Data analysis included descriptive statistics as well as multivariate logistic regression to identify factors associated with hospitalization. RESULTS: Of 229 eligible patients, 140 (61.1%) were admitted, and 89 (38.9%) managed as outpatients. Baseline characteristics were similar between groups; however, hospitalized patients often had heart rates (HR) ≥90 beats per minute (bpm), lower oxygen saturation, and more medical conditions requiring inpatient care. Among low-risk patients, HR 90-109 bpm (OR 1.78, 95% CI: 1.10-3.04), oxygen saturation between 90% and 94% (OR 1.10, 95% CI: 1.01-1.27), and medical indications for hospitalization >24 hours (OR 33.97, 95% CI: 8.47-236.09) were significantly associated with admission. CONCLUSIONS: Although classified as low-risk, over half of patients with acute PE were hospitalized. Elevated HR, reduced oxygen saturation, and comorbid conditions significantly influenced site-of-care decisions in this population. Outpatient management was associated with comparable 90-day safety outcomes, reinforcing its viability when patients are appropriately selected.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».