Characterization of Older Emergency Department Patients Admitted to Psychiatric Units
Notice bibliographique
Résumé
BACKGROUND: Many older patients presenting to emergency departments (EDs) with psychiatric complaints require admission to geropsychiatric units (GPUs). The medical evaluation needed prior to this is not understood. Our goal was to understand ED evaluation practices for patients admitted to the GPU through the ED and understand the medical problems identified after admission. METHODS: Via retrospective chart review, we abstracted demographics, medical history, ED complaint, evaluation, length of stay, and diagnosis. The number of patients later transferred from the GPU and the reasons for such transfers were also recorded. RESULTS: Of 100 patients reviewed, the average age was 78 years. Admission diagnoses were agitation/mania (30%), depression/suicidal ideation (28%), change in mental status/confusion (12%) and other (30%). Most had at least one prior psychiatric and medical diagnosis (77%, 60%). Common ED tests ordered were basic metabolic panel (BMP) (96%), complete blood count (CBC) (94%), urinalysis (UA) (89%), electrocardiogram (EKG) (69%), alcohol level (62%), urine toxicology (61%), chest X-ray (51%), and CT scan of the head (71%). Abnormal findings included urinalysis (24.7%), CBC (23.4%), toxicology (23%), BMP (21.9%), head CT (21.1%), chest X-ray (13.7%), ECG changes (10.1%), and alcohol (4.8%). Five of the 100 GPU admissions were later transferred to a medical floor. CONCLUSION: Most GPU admissions have previous psychiatric and medical issues and are admitted for agitation/mania or depression/suicidal ideation. A certain percentage of patients are transferred out due to medical issues despite ED evaluation. However, it is unlikely that further ED testing would reduce this percentage. Further research of medical screening for geropsychiatric patients may elucidate ideal medical clearance procedures.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».