Mortality among patients with frequent emergency department use for alcohol-related reasons in Ontario: a population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: Little is known about the risk of death among people who visit emergency departments frequently for alcohol-related reasons, including whether mortality risk increases with increasing frequency of visits. Our primary objective was to describe the sociodemographic and clinical characteristics of this high-risk population and examine their 1-year overall mortality, premature mortality and cause of death as a function of emergency department visit frequency in Ontario, Canada. METHODS: We conducted a population-based retrospective cohort study using linked health administrative data (Jan. 1, 2010, to Dec. 31, 2016) in Ontario for people aged 16-105 years who made at least 2 emergency department visits for mental or behavioural disorders due to alcohol within 1 year. We subdivided the cohort based on visit frequency (2, 3 or 4, or ≥ 5). The primary outcome was 1-year mortality, adjusted for age, sex, income, rural residence and presence of comorbidities. We examined premature mortality using years of potential life lost (YPLL). RESULTS: Of the 25 813 people included in the cohort, 17 020 (65.9%) had 2 emergency department visits within 1 year, 5704 (22.1%) had 3 or 4 visits, and 3089 (12.0%) had 5 or more visits. Males, people aged 45-64 years, and those living in urban centres and lower-income neighbourhoods were more likely to have 3 or 4 visits, or 5 or more visits. The all-cause 1-year mortality rate was 5.4% overall, ranging from 4.7% among patients with 2 visits to 8.8% among those with 5 or more visits. Death due to external causes (e.g., suicide, accidents) was most common. The adjusted mortality rate was 38% higher for patients with 5 or more visits than for those with 2 visits (adjusted hazard ratio 1.38, 95% confidence interval 1.19-1.59). Among 25 298 people aged 16-74 years, this represented 30 607 YPLL. INTERPRETATION: We observed a high mortality rate among relatively young, mostly urban, lower-income people with frequent emergency department visits for alcohol-related reasons. These visits are opportunities for intervention in a high-risk population to reduce a substantial mortality burden.
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 | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».