What small rural emergency departments do: A systematic review of observational studies
Notice bibliographique
Résumé
OBJECTIVE: Small rural emergency facilities are an important part of emergency care in many countries. We performed a systematic review of observational studies to determine what is known about the patients these small rural emergency facilities treat, what types of interventions they undertake and how well they perform. METHODS: Pubmed/Medline and Embase databases were systematically reviewed between 1980 and the present. Studies were included if they described hospital-affiliated emergency care facilities which were open 24-hours every day, and described themselves as rural, non-urban or non-metropolitan. Studies were excluded if facilities saw more than 15,000 patients annually. Study quality was assessed using 12 previously described indicators. Key activity and performance data were reported for individual studies but not numerically combined between studies. RESULTS: The search strategy found 19 studies that included quantitative data on activity and performance. Nine studies were from Canada, six were from Australia and four from the United States. The settings and scales used varied widely. Few studies adhered to methodological recommendations. The most common presentation was for injury or poisoning (30-53%). The number of patients requiring attention within 15 min was small (2.5-2.8%). Nurses treated many patients without physician input. CONCLUSIONS: There is only enough evidence in the literature to make the most basic inferences about what small rural emergency departments do. To allow evidence-based improvement, descriptive studies must employ measures and methods validated in the wider emergency medicine literature, and other research techniques should be considered.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».