The impact of SARS on a tertiary care pediatric emergency department
Notice bibliographique
Résumé
BACKGROUND: The Greater Toronto Area (GTA) was considered a "hot zone" for severe acute respiratory syndrome (SARS) in 2003. In accordance with mandated city-wide infection control measures, the Hospital for Sick Children (HSC) drastically reduced all services while maintaining a fully operational emergency department. Because of the GTA health service suspensions and the overlap of SARS-like symptoms with many common childhood illnesses, this introduced the potential for a change in the volumes of patients visiting the emergency department of the only regional tertiary care children's hospital. METHODS: We compared HSC emergency department patient volumes, admission rates and length of stay in the emergency department in the baseline years of 2000-2002 (non-SARS years) with those in 2003 (SARS year). The data from the prior years were modeled as a time series. Using an interrupted time series analysis, we compared the 2003 data for the periods before, during and after the SARS periods with the modeled data for significant differences in the 3 aforementioned outcomes of interest. RESULTS: Compared with the 2000-2002 data, we found no differences in visits, admission rates or length of stay in the pre-SARS period in 2003. There were significant decreases in visits and length of stay (p < 0.001) and increases in admission rates (p < 0.001) during the periods in 2003 when there were new and active cases of SARS in the GTA. All 3 outcomes returned to expected estimates coincident with the absence of SARS cases from September to December 2003. INTERPRETATION: During the SARS outbreak in the GTA, the HSC emergency department experienced significantly reduced volumes of patients with low-acuity complaints. This gives insight into utilization rates of a pediatric emergency department during a time when there was additional perceived risk in using emergency department services and provides a foundation for emergency department preparedness policies for SARS-like public health emergencies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».