[Loyal frequent users of hospital emergency departments: the FIDUR project].
Notice bibliographique
Résumé
OBJECTIVES: To describe the characteristics of frequent users of hospital emergency departments and analyze whether characteristics varied in relation to how revisits were distributed over the course of the year studied. MATERIAL AND METHODS: Retrospective study of patients over the age of 14 years who were treated in a hospital emergency department at least 10 times in 2013. Patients were identified in 17 public hospitals in the Spanish autonomous community of Madrid. Data related to the first and successive visits were gathered and analyzed by quarter year. RESULTS: We included 2340 patients with a mean (SD) age of 54 (21) years. A total of 1361 (58.%) were women, 1160 (50%) had no concomitant diseases, 1366 (58.2%) were substance abusers, and 25 (1.1%) were homeless. During the first visit, 2038 (87.1%) complained of a recent health problem, and 289 (12.4%) were admitted. Sixty (2.6%) patients concentrated their revisits in a single quarters 335 (14.3%) in 2 quarters, 914 (39.1%) in 3, and 1005 (42.9%) in 4. Patients whose revisits were distributed over more quarters were older (> 65 years), had more concomitant conditions, were on more medications (P < .001), showed cognitive impairment (P = .039), and were more functionally dependent (P = .007). They were also more likely to have been hospitalized on the first visit (P < .001). Patients whose revisits were concentrated in fewer quarters were more often women (P = .012) and more likely to have a specific diagnosis (P < .001) and revisit for a reason related to the initial visit (P = .012). CONCLUSION: Our study shows that the frequent user has specific characteristics and loyally comes to the same emergency department over the course of a year. Patients whose revisits are dispersed over a longer period have more complex problems and use more resources during their initial visit.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».