Admission to hospital versus non-admission after stroke:Trends and survival using the South London Stroke Register
Notice bibliographique
Résumé
Background: To identify trends and differences in survival between patients admitted to hospital versus non admission after first ever stroke.<br/><br/>Methods: Population based stroke register of first in a life time strokes between 1995 and 2012 were examined. Baseline data were collection of socio-demographic factors, stroke subtype, case mix and risk factors before stroke. Survival curves were estimated with Kaplan-Meier methods.<br/><br/>Results: 3464 patients were admitted to hospital for stroke. 458 patients were managed in the community. Patients admitted to hospital were more likely to be younger (P=0.02), have more severe impairments for stroke: coma, dysphagia, incontinence, haemorrhagic stroke (P<0.001) and atrial fibrillation (P=0.001). There was a significant trend for increasing admission across subsequent cohorts, 1995-2000 (83%), 2001-2006 (90%) and 2007-2012 (94%), P<0.001. Median (months) survival was higher for non admission (36 vs. 79), P<0.0001 and case fatality at 90 days was lower for non admission (24% vs. 2.6%), P<0.0001. When survival analysis was stratified according to Barthel ≥ 15 at day 7, there no significant differences in survival curves between both groups in 1995-2000 (P=0.5) or 2001-2006 (P=0.4) but there was a significant trend for higher survival rates for non admission in the 2007-2012 cohort (P=0.02).<br/><br/>Conclusion: There is a significant trend for increasing hospital admission over time. There appears to be a survival advantage in the latter cohort for those patients with lower levels of clinical disability at day 7 who are not admitted which requires further explanation.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».