A retrospective study on emergency visits in two hospitals in Sherbrooke, Canada
Notice bibliographique
Résumé
Non-urgent use of Emergency Departments throughout Canada has long presented a conundrum for hospital admini- strators and health service planners. On the one hand, perceptions persist that those non-urgent users contribute to overcrowding, higher costs of care and longer wait times. On the other hand, non-urgent users do not appear to increase wait times for high-acuity patients; they perceive their condition to be acute, or claim not having convenient access to primary medical services. The objective of this study is to investigate factors associated with emergency demand for minor conditions using administrative data as well as geographical and socioeconomic characteristics as captured by Pampalon’s deprivation indexes. We reviewed 42 months of administrative data (2006 – 2009) of minor emergency visits in two hospitals in Sherbrooke, QC, Canada. Data mining algorithms were applied to classify the visits and detect major utilization patterns of Sherbrooke residents. Lower priority visits (CTAS 5) continued to increase in the city hospital following a remodel. Adult residents tend to choose the closest ED, and children mainly go to the regional hospital ED. The use of ED for minor conditions (CTAS level 4 and 5) was higher in the most deprived communities, whether materially or socially. The most common diagnostic codes were injuries and poisoning, ill-defined conditions, respiratory problems, digestive system problems, musculoskeletal, and mental health conditions, with 15% of the visits not completed because patients left before seeing a doctor. Two Sherbrooke boroughs, with no walk-in clinics, generated the majority (57%) of all non-urgent visits. We forecast the reduction in the number of visits to ED if two walk-in clinics were opened in these boroughs.
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 ».