Emergency department of a university hospital
Notice bibliographique
Résumé
OBJECTIVES: Our main aim was to describe the path of patients seen in our emergency department (ED) and either admitted or transferred and to compare the characteristics of patients hospitalized in our hospital with those of transferred patients. Our secondary aim was to compare the receipts linked to patient hospital stays. POPULATION AND METHODS: All patients seen in the ED of our hospital and ill enough to be either admitted or transferred were prospectively enrolled during 2 consecutive weeks. Information was obtained from the hospital discharge report and from local medical databases. The characteristics of the patients and receipts were compared according to their path. RESULTS: Among the 251 patients included in the study, 9% were transferred directly from the ED to another hospital. Among admitted patients, two-thirds were admitted to the short-stay unit (SSU). Schematically, patients transferred from the ED are more likely to be men around 50 years of age with few comorbidities, requiring surgery with relatively short hospital stays. Patients transferred from the SSU were more likely to be women around 67 years of age with severe comorbidities requiring medical care and longer stays. The mean receipt per day was two to three times greater for patients transferred from the ED as compared with patients hospitalized in our hospital. The mean receipt per day for patients transferred from the SSU also tended to be higher. CONCLUSION: Our results show that patients requiring shorter care are transferred, whereas more severe patients are hospitalized on site. Hospitals will need solutions to optimize their receipts while fulfilling their public missions such as continuity of 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,005 | 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 ».