Asthma program evaluation: Impact of tertiary Asthma Care Network on ED visits and hospitalizations
Notice bibliographique
Résumé
<b>Rationale:</b> Program evaluation is often hampered by lack of comparative control data. We aimed to determine the impact of an interdisciplinary tertiary Asthma Care (ACN) on acute health services utilization (HSU). <b>Methods:</b> Data from ACN patients seen between Jan 1, 2009 and Dec 31, 2018 were linked to Ontario’s administrative databases at the Institute for Clinical Evaluative Sciences (ICES). Control subjects matched for age, sex and year of asthma diagnosis were identified from the ICES asthma cohort. We assessed the odds of ED visits and hospitalizations for asthma between cases and controls, adjusting for acute HSU in the 12 months preceding the index visit. <b>Results:</b> Health records from 1,248 ACN patients (age 33.2 ± 25.0 [mean±SD] years, 57% female) were matched 1:3 to 3,629 Controls (age 32.7 ± 24.9, years, 57% female). ORs are shown in Table 1. ED visits and hospitalizations were reduced for 21% and 10.7% of ACN patients respectively, compared to 6.7% and 1.4% of Controls respectively (both P<0.001). <b>Conclusions:</b> Compared to control subjects identified from health administrative data, HSU is higher in patients seen in a tertiary ACN, and those with a history of previous ED visits and comorbidities. ACN patients experienced greater improvements in HSU in the 2 years following their index visit. Linking clinical and administrative data lends rigour to program evaluation and will inform quality improvement
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 | 0,002 |
| 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) | 0,000 | 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 ».