Health Care Access and Follow-Up of Chlamydial and Gonococcal Infections Identified in an Emergency Department
Notice bibliographique
Résumé
BACKGROUND: We examined 2 potentially important factors influencing successful treatment of Chlamydia trachomatis (Ct) and Neisseria gonorrhoeae (GC) infections identified in an emergency department (ED), health care coverage and reporting the ED as a primary source for health care. METHODS: Adult patients aged 18 to 35 years attending an urban ED were screened for Ct and GC. Patients testing positive were contacted by Disease Intervention Specialists and notified of their infection status. Analyses focus on infected patients for whom we have treatment and follow-up information. We used generalized linear models with log link and binomial error distribution to estimate risk ratios (RRs) and 95% confidence intervals (CI). RESULTS: Of 5537 patients screened in the ED, 348 (6.3%) tested positive for Ct, 143 (2.6%) tested positive for GC, and 43 (0.8%) tested positive for both. Overall, 20% of infected patients did not receive treatment. Among infected patients with no health care coverage 25% (n = 56) were untreated compared with 15% (n = 47) of patients reporting health care coverage (RR: 1.7, 95% CI: 1.2-2.3). Among patients reporting the ED as a primary source for health care 26% (n = 27) were untreated compared with the 18% (n = 77) reporting receiving health care from non-ED sources (RR: 1.4, 95% CI: 1.0-2.1). CONCLUSIONS: EDs often serve as primary care sites for difficult-to-reach populations. We were able to successfully locate and treat the greater part of ED-identified infections. However, one-fifth of infected patients did not receive treatment. ED-based screening programs can benefit from integration with local public health infrastructure to improve notification and treatment services.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».