Population and Resource Utilization Among Patients With Adult Congenital Heart Disease: A Snapshot View of a Moderate-Size Canadian Regional Centre
Notice bibliographique
Résumé
BACKGROUND: Health care resource utilization for patients with adult congenital heart disease (ACHD) has not been well characterized outside of large Canadian specialized regional centres. We sought to describe the ACHD population and resource utilization patterns seen in a medium regional Canadian centre providing specialized ACHD care. METHODS: A cross-sectional retrospective study was done from a sample of patients seen in 2018 at the ACHD clinic in Manitoba, Canada. Demographic data were collected along with cardiac anatomy and repair type. Health care resource utilization, clinic visits, hospital admissions, unexpected hospital presentations, and cardiac interventions were measured over a 5-year period. RESULTS: A random sample of 262 patients was selected from our specialized ACHD clinic. Mean age was 33.5 (±13.7) years; 48% of the population was female, and >50% resided within the major city limits. A total of 21% of the population had simple anatomy, 44% had moderate anatomy, and 35% had complex anatomy. The most commonly used imaging modality was echocardiography, followed by cardiac magnetic resonance imaging, with more frequent imaging done in patients with complex anatomy. Unexpected hospital encounters occurred at a rate of 16 per 100 person-years. Total inpatient hospital days occurred at a rate of 33 per 100 person-years, and visits to the congenital clinic occurred at a rate of 90 per 100 person-years. CONCLUSIONS: Health care resource utilization appears to be highest in older adults and those with more complex ACHD anatomy. As the overall cohort of adults with ACHD continues to age, resource needs are likely to increase.
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 | 0,000 |
| 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) | 0,000 | 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 ».