Influence of health insurance on withdrawal of life sustaining treatment for patients with isolated traumatic brain injury: a retrospective multi-center observational cohort study
Notice bibliographique
Résumé
Abstract Background Healthcare inequities for patients with traumatic brain injury (TBI) represent a major priority area for trauma quality improvement. We hypothesized a relationship between health insurance status and timing of withdrawal of life sustaining treatment (WLST) for adults with severe TBI. Methods This multicenter retrospective observational cohort study utilized data collected between 2017 and 2020. We identified adult (age ≥ 16) patients with isolated severe TBI admitted participating Trauma Quality Improvement Program centers. We determined the relationship between insurance status (public, private, and uninsured) and the timing of WLST using a competing risk survival analysis framework adjusting for baseline, clinical, injury and trauma center characteristics. Multivariable cause-specific Cox regressions were used to compute adjusted hazard ratios (HR) reflecting timing of WLST, accounting for mortality events. We also quantified the between-center residual variability in WLST using the median odds ratio (MOR) and measured insurance status association with access to rehabilitation at discharge. Results We identified 42,111 adults with isolated severe TBI treated across 509 trauma centers across North America. There were 10,771 (25.6%) WLST events in the cohort and a higher unadjusted incidence of WLST events was evident in public insurance patients compared to private or uninsured groups. After adjustment, WLST occurred earlier for publicly insured (HR 1.07, 95% CI 1.02–1.12) and uninsured patients (HR 1.29, 95% CI 1.18–1.41) compared to privately insured patients. Access to rehabilitation was lower for both publicly insured and uninsured patients compared to patients with private insurance. Accounting for case-mix, the MOR was 1.49 (95% CI 1.43–1.55), reflecting significant residual between-center variation in WLST decision-making. Conclusions Our findings highlight the presence of disparate WLST practices independently associated with health insurance status. Additionally, these results emphasize between-center variability in WLST, persisting despite adjustments for measurable patient and trauma center characteristics.
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 | 0,002 | 0,006 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».