Use of PFT (spirometry) to diagnose and manage asthma in Ontario, Canada, 2000-2016
Notice bibliographique
Résumé
<b>Background:</b> Many national guidelines recommend conducting pulmonary function testing (PFT) for diagnosing and managing asthma. <b>Aim:</b> To describe and quantify PFT using spirometry trends in Ontario, Canada. <b>Methods:</b> A case of asthma is defined as an individual who has at least one asthma hospitalization record or two asthma physician claims over two consecutive years (Gershon AS, et al. Canadian Respiratory Journal. 2009;16(6):183–8; To T, et al. Pediatric Allergy and Immunology. 2006;17(1):69–76). All individuals living in Ontario with asthma were identified using this definition. The population-based cohort from 2000-2016 was linked across various health administrative databases to retrieve data on the use of PFT, hospitalizations, and emergency department (ED) visits. <b>Results:</b> PFT rates range from 44.9 in 2000 to 56 in 2016 per 100 asthma incidence for diagnosing asthma and 10.3 to 6.5 per 100 asthma prevalence for managing asthma. Over 17 years, PFT increased by 25% for diagnosing asthma and decreased by 37% for managing asthma. Asthma hospitalization rates range from 2.31 in 2000 to 0.47 in 2016 per 100 asthma prevalence while ED visit rates range from 4.33 to 1.33 per 100 asthma prevalence. Hence asthma hospitalizations and ED visits decreased by 80% and 70% over time, respectively. <b>Conclusions:</b> Despite guideline recommendations, PFT to diagnose and manage asthma remains low from 2000-2016 in Ontario. Although there are decreasing trends in hospitalizations and ED visits, it is important to promote the use of PFT to objectively diagnose and manage asthma in order to further reduce acute care and improve the health status of people with asthma.
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 | 0,001 |
| 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) | 0,001 | 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 ».