Injuries and frequent use of emergency department services: a systematic review
Notice bibliographique
Résumé
OBJECTIVE: To review all studies having examined the association between patients with physical injuries and frequent emergency department (ED) attendance or return visits. DESIGN: Systematic review. DATA SOURCE: Medline, Cumulative Index to Nursing and Allied Health Literature (CINAHL) and PsycINFO databases were searched up to and including July 2019. ELIGIBILITY CRITERIA: English and French language publications reporting on frequent use of ED services (frequent attendance and return visits), evaluating injured patients and using regression analysis. DATA EXTRACTION AND SYNTHESIS: Two independent reviewers screened the search results, and assessed methodological quality using the Joanna Briggs Institute tool for prevalence studies. Results were collated and summarised using a narrative synthesis. A sensitivity analysis was performed to evaluate the repercussions of removing a study that did not meet the quality criteria. RESULTS: Of the 2184 studies yielded by this search, 1957 remained after the removal of duplicates. Seventy-eight studies underwent full-text screening leaving nine that met the eligibility criteria and were included in this study: five retrospective cohort studies; two prospective cohort studies; one cross-sectional study; and one case-control study. Different types of injuries were represented, including fractures, trauma and physical injuries related to falls, domestic violence or accidents. Sample sizes ranged from 200 to 1 259 809. Six studies included a geriatric population while three addressed a younger population. Of the four studies evaluating the relationship between injuries and frequent ED use, three reported an association. Additionally, of the five studies in which the dependent variable was return ED visits, three articles identified a positive association with injuries. CONCLUSIONS: Physical injuries appear to be associated with frequent use of ED services (frequent ED attendance as well as return ED visits). Further research into factors including relevant youth-related covariates such as substance abuse and different types of traumas should be undertaken to bridge the gap in understanding this association.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 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 ».