Trends of ischaemic and haemorrhagic stroke hospitalizations in Hungary between 2010 and 2023: a nationwide, retrospective analysis of real-world data
Notice bibliographique
Résumé
BACKGROUND: Adequate capacity planning of healthcare systems, ensuring effective and accessible care is key. Our aim was to examine the trends of ischaemic and haemorrhagic stroke-related hospitalizations in Hungary. METHODS: We conducted a nationwide retrospective analysis between 2010 and 2023. Data was provided by the Hungarian Central Statistical Office and the Pulvita Healthcare Data Warehouse. Crude patient and case numbers, number of inpatient care days, the mean length of (hospital) stay, hospital mortality rate, as well as crude and age-standardized hospitalization rate per 100,000 population were calculated for both men and women, and for both ischaemic stroke (IS) and haemorrhagic stroke (HS). RESULTS: In 2010, there were 224,379 cases of stroke in Hungary (94.31% IS, 5.69% HS), while in 2023 the number decreased to 152,649 cases (92.32% IS, 7.68% HS). The age-standardized hospitalization rate was 2644.97 per 100,000 people in 2010 and decreased to 1663.58 per 100,000 people by 2023. The mean length of hospital stay also decreased from 9.89 days to 8.89 days. HS mortality showed improvement in all age groups, especially among young children (0–4 years: -22.42%, 5–18 years: -10.36%). August consistently has a lower admission rate, while October and March show peaks. In terms of in-hospital mortality, the maximum rates are observed from January to March (10.74%, 10.07%, and 9.58%, respectively), as well as in December (8.84%), while June records the lowest mortality (7.95%). CONCLUSIONS: We draw attention to the importance of optimizing resources, especially considering our findings regarding seasonality. This underscores the necessity for more efficient allocation of capacities, equipment, and human resources. TRIAL REGISTRATION: Not applicable.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».