Acute healthcare resource utilization by age: A cohort study
Notice bibliographique
Résumé
BACKGROUND: Granular data related to the likelihood of individuals of different ages accessing acute and critical care services over time is lacking. METHODS: We used population-based, administrative data from Ontario to identify residents of specific ages (20, 30, 40, etc. to 100) on January 1st every year from 1995-2019. We assessed rates of emergency department (ED) visits (2003-19), hospitalizations, intensive care unit (ICU) admissions (2003-19), and mechanical ventilation. FINDINGS: Overall the 25-year study period, ED were the most common acute healthcare encounter with 100-year-olds having the lowest rate (138.7/1,000) and 90-year-olds the highest (378.5/1,000). Rates of hospitalization ranged from 24.2/1,000 for those age 20 up to 224.9/1,000 for those age 90. Rates of ICU admission and mechanical ventilation were lowest for those age 20 (1.0 and 0.4/1,000), more than tripled by age 50 (3.3 and 1.7/1,000) and peaked at age 80 (20.3 and 10.1/1,000). Over time rates of ED visits increased (164.3 /1,000 in 2003 vs 199.1 /1,000 in 2019) as did rates of invasive mechanical ventilation (2.0/1,000 in 1995 vs 2.9/1,000 in 2019), whereas rates of ICU admission remained stable (4.8/1,000 in 2003 vs 4.9/1,000 in 2019) and hospitalization declined (66.8/1,000 in 1995 vs 51.5/1,000 in 2019). Age stratified analysis demonstrated that rates of ED presentation increased for those age 70 and younger while hospitalization decreased for all age groups; ICU admission and mechanical ventilation rates changed variably by age, with increasing rates demonstrated primarily among people under the age of 50. INTERPRETATION: Rates of hospitalizations have decreased over time across all age groups, whereas rates of ED presentation, ICU admissions, and mechanical ventilation have increased, primarily driven by younger adults. These findings suggest that although the delivery of healthcare may be moving away from inpatient medicine, there is a growing population of young adults requiring significant healthcare resources.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».