Hard-to-Reach Populations and Administrative Health Data
Notice bibliographique
Résumé
BACKGROUND: Intervention studies with vulnerable groups in the emergency department (ED) suffer from lower quality and an absence of administrative health data. We used administrative health data to identify and describe people experiencing homelessness who access EDs, characterize patterns of ED use relative to the general population, and apply findings to inform the design of a peer support program. METHODS: We conducted a serial cross-sectional study using administrative health data to examine ED use by people experiencing homelessness and nonhomeless individuals in the Niagara region of Ontario, Canada from April 1, 2010 to March 31, 2018. Outcomes included number of visits; unique patients; group proportions of Canadian Triage and Acuity Scale (CTAS) scores; time spent in emergency; and time to see an MD. Descriptive statistics were generated with t tests for point estimates and a Mann-Whitney U test for distributional measures. RESULTS: We included 1,486,699 ED visits. The number of unique people experiencing homelessness ranged from 91 in 2010 to 344 in 2017, trending higher over the study period compared with nonhomeless patients. Rate of visits increased from 1.7 to 2.8 per person. People experiencing homelessness presented later with higher overall acuity compared with the general population. Time in the ED and time to see an MD were greater among people experiencing homelessness. CONCLUSIONS: People experiencing homelessness demonstrate increasing visits, worse health, and longer time in the ED when compared with the general population, which may be a burden on both patients and the health care system.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».