Untreated Hypertension and the Emergency Department: A Chance to Intervene?
Notice bibliographique
Résumé
OBJECTIVES: Untreated hypertension (HTN) is a major public health problem. Screening for untreated HTN in the emergency department (ED) may lead to appropriate treatment of more patients. The authors investigated the accuracy of identifying HTN in the ED, the proportion of ED patients with untreated HTN, patient characteristics predicting untreated HTN, and provider documentation of untreated HTN. METHODS: The authors performed a retrospective cross-sectional study on a random sample of 2,061 adults treated at an urban academic ED. The validity of six candidate definitions of HTN in the ED was assessed in a subsample using outpatient clinic records as the reference standard. "Untreated HTN" was HTN without a HTN medication listed in the ED history. "Documentation of untreated HTN was documentation of HTN as a visit problem, specific referral for HTN, or ED discharge with a HTN" information sheet or a HTN medication. Multivariable logistic regression was used to determine associations. RESULTS: The preferred definition of HTN in the ED had sensitivity of 86% (95% confidence interval [CI] = 80% to 90%), specificity of 78% (95% CI = 69% to 85%), and accuracy of 83% (95% CI = 78% to 87%). Of the 42% (95% CI = 40% to 44%) of ED patients with HTN, 43% (95% CI = 39% to 46%) had untreated HTN. Patients who were younger and male, without primary care physicians, with fewer prior ED visits, and without cardiovascular comorbidities, had higher odds of untreated HTN. Of those with untreated HTN, 8% (95% CI = 5% to 11%) had their untreated HTN documented. CONCLUSIONS: Untreated HTN was common in the ED but rarely documented. Providers can use ED blood pressures along with patient characteristics to identify those with untreated HTN for referral to primary care.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 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 ».