S1354 Training Matters: How Trainee Skill Impacts Outcomes in Upper GI Bleeding—A Propensity-Matched US Study
Notice bibliographique
Résumé
Introduction: Previously studies have mentioned teaching hospitals have worse outcomes compared to non-teaching hospitals for patients with UGIB. Hence, we aim to study the impact of trainee experience on patient care by examining outcomes of upper gastrointestinal (GI) bleeding in teaching hospitals. Methods: This study analyzed adult hospitalizations (age >18) with upper gastrointestinal bleeding (UGIB) in U.S. teaching hospitals using the National Inpatient Sample (2016–2020). Propensity score matching adjusted for baseline differences. Results: A total of 666,105 patients were admitted with the diagnosis of UGIB in US teaching hospitals during our study time frame. Among 336,490 patients were admitted during the first quarter (July, Aug and Sept) and 329,615 patients were admitted during the last quarter (Apr, May and June) of the academic year. Primary outcomes showed higher mortality rate for NVUGIB (2.46% vs 2.08%, P = 0.0020) during the last quarter of the academic year. It also had a higher incidence rate of ICU admission (4.54% vs 3.85%, P < 0.0001), CVC placement (1.64% vs 1.28%, P < 0.0001) and intubation (3.48% vs 3.04%, P = 0.0032). For VUGIB, there was no difference for outcomes in between 2 quarters. Conclusion: We found inpatient hospital mortality, ICU admissions, CVC placement and intubation rates were higher for NVUGIB during the last quarter of the academic year. Junior trainees getting more autonomy during later phase of their training might be responsible for these disparities.
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 | 0,003 | 0,009 |
| 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 | 0,001 | 0,001 |
| 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) | 0,005 | 0,001 |
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 ».