Emergency department use
Notice bibliographique
Résumé
Objective To determine if having a primary care provider is an important factor in frequency of emergency department (ED) use. Design Analysis of a central computerized health network database. Setting Three EDs in southern New Brunswick. Participants All ED visits during 1 calendar year to an urban regional hospital (URH), an urban urgent care centre (UCC), and a rural community hospital (RCH) were captured. Main outcome measures Patients with and without listed primary care providers were compared in terms of number of visits to the ED. A logistic regression analysis was used to determine factors predictive of frequent attendance. Results In total, 48 505, 41 004, and 27 900 visits were made to the URH, UCC, and RCH, respectively, in 2009. The proportion of patients with listed primary care providers was 36.6% for the URH, 37.1% for the UCC, and 89.4% for the RCH. Among ED patients at all sites, frequent attenders (4 or more visits to an ED in 1 year) were significantly more likely (59.6% vs 45.1%, P < .001) to have listed primary care providers. Other factors that predicted frequent use included attendance at a rural ED, female sex, and older age. Conclusion This study characterizes attendance rates for 3 EDs in southern New Brunswick. Our findings highlight interesting differences between urban and rural ED populations, and suggest that frequent use of the ED might not be related to lack of a listed primary care provider.
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 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 ».