Emergency department visit count: a practical tool to predict asthma hospitalization in children
Notice bibliographique
Résumé
Objectives: Resource limitations and low rates of follow-up with primary care providers currently limit the impact of emergency department (ED)-based preventative strategies for children with asthma. A mechanism to recognize the children at highest risk of future hospitalization is needed to target comprehensive preventative interventions at discharge. The primary objective of this study was to determine whether frequency of ED visits predicts future asthma hospitalization in children.Methods: Children aged 2–16.99 years with asthma ED visits between 2012 and 2015 were identified through health administrative data. Survival analysis using Kaplan–Meier estimator and multivariable Cox regression models with time-varying covariates were used to quantify the number of ED visits in the previous year that would best predict hospitalization risk in the following year, after adjustment for age, sex, and presentation severity.Results: We identified 2669 patients with 3300 asthma ED visits. ED visit count was an independent predictor of future hospitalization risk (p < 0.001), demonstrating a dose-dependent response. Compared with zero previous visits, the adjusted hazard of future hospitalization in children with one visit or two or more visits was 2.9 (95% CI 1.6–5.0) and 4.4 (95% CI 1.9–10.4), respectively.Conclusions: ED visit count is a reliable predictor of future asthma hospitalization risk. Future studies could aim to validate these findings to support using ED visit count as a practical and objective tool to predict the children at the highest risk of future hospitalization and therefore, those who may benefit most from ED-based preventative interventions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».