Identifying geographical regions serviced by hospitals to assess laboratory-based outcomes
Notice bibliographique
Résumé
OBJECTIVE: To define geographical regions (forward sortation areas; FSAs) in Southwestern Ontario, Canada from which patients would reliably present to a hospital with linked laboratory data if they developed adverse events related to medications dispensed in outpatient pharmacies. DESIGN: Descriptive research. SETTING: Forty-five hospitals in Southwestern Ontario, Canada, from 2003 to 2009. PARTICIPANTS: Patients aged 66 years and older who received an outpatient prescription for any drug and presented to the emergency department in the subsequent 120 days. MAIN OUTCOME MEASURE: The proportion of patients in a given FSA presenting to an emergency department at a hospital with linked laboratory data versus a hospital without linked laboratory data. To be included in the catchment area at least 90% of emergency department visits in an FSA must have occurred at laboratory-linked hospitals in a given year. RESULTS: Over the study period, there were 649 713 emergency department visits by patients with recent prescription claims from pharmacies in 1 of 118 FSAs. In total, 141 302 of these patients presented to an emergency department at a laboratory-linked hospital. For the year 2003, 12 FSAs met our criteria to be in the catchment area and this number grew to 25 FSAs by the year 2009. CONCLUSIONS: The relevant geographical regions for hospitals with linked laboratory data have been successfully identified. Studies can now be conducted using these well-defined areas to obtain reliable information on the incidence and absolute risk of presenting to hospital with laboratory abnormalities in older adults dispensed commonly prescribed medications in outpatient pharmacies.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».