Age and sex differences in emergency department visits of nursing home residents: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Nursing home residents (NHRs) are often transferred to emergency departments (EDs). A great proportion of ED visits is considered inappropriate. There is evidence that male NHRs are more often hospitalised, but this is less clear for ED visits. It is unclear, which influence age has on ED visits. We aimed to study the epidemiology of ED visits in NHRs focusing on age- and sex-specific differences. METHODS: A systematic review was carried out based on articles found in MEDLINE (via PubMed), CINAHL and Scopus. Articles published on or before Aug 31, 2017 were eligible. Two reviewers independently identified articles for inclusion. The quality of studies was assessed by the Joanna Briggs Institute critical appraisal tool for prevalence studies. RESULTS: Out of 1192 references, we found seven studies meeting our inclusion criteria. Six studies were conducted in the USA or Canada. Overall, 29-62% of NHRs had at least one ED visit over the course of 1 year. Most studies assessing the influence of sex found that male residents visited EDs more frequently. All but one of the five studies with multivariable analyses reported a statistically significant positive association (with odds or rate ratios of 1.05-1.38). All studies assessed the influence of age. There was no clear pattern with some studies showing no association between ED visits and age and other studies reporting decreasing ED visits with increasing age or increasing proportions followed by a decrease in the highest age group. Studies used 85+ or 86+ years as the highest age category. Hospital admission rate ranged from 36.4 to 48.7%. There was no study reporting stratified analyses by age and sex. Only one study reported main diagnoses leading to ED visits stratified by sex. CONCLUSION: Male NHRs visit EDs more often than females, but there is no evidence on reasons. The association with age is unclear. Any future study on acute care of NHRs should assess the influence of age and sex. These studies should include large sample sizes to provide a more differentiated age categorisation. TRIAL REGISTRATION: PROSPERO CRD42017074845 .
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».