A population-based analysis of the impact of the COVID-19 pandemic on common abdominal and gynecological emergency department visits
Notice bibliographique
Résumé
BACKGROUND: Reduced use of the emergency department during the COVID-19 pandemic may result in increased disease acuity when patients do seek health care services. We sought to evaluate emergency department visits for common abdominal and gynecologic conditions before and at the beginning of the pandemic to determine whether changes in emergency department attendance had serious consequences for patients. METHODS: We conducted a population-based analysis using administrative data to evaluate the weekly rate of emergency department visits pre-COVID-19 (Jan. 1-Mar. 10, 2020) and during the beginning of the COVID-19 pandemic (Mar. 11-June 30, 2020), compared with a historical control period (Jan. 1-July 1, 2019). All residents of Ontario, Canada, presenting to the emergency department with appendicitis, cholecystitis, ectopic pregnancy or miscarriage were included. We evaluated weekly incidence rate ratios (IRRs) of emergency department visits, management strategies and clinical outcomes. RESULTS: Across all study periods, 39 691 emergency department visits met inclusion criteria (40.2 % appendicitis, 32.1% miscarriage, 21.3% cholecystitis, 6.4% ectopic pregnancy). Baseline characteristics of patients presenting to the emergency department did not vary across study periods. After an initial reduction in emergency department visits, presentations for cholecystitis and ectopic pregnancy quickly returned to expected levels. However, presentations for appendicitis and miscarriage showed sustained reductions (IRR 0.61-0.80), with 1087 and 984 fewer visits, respectively, after the start of the pandemic, relative to 2019. Management strategies, complications and mortality rates were similar across study periods for all conditions. INTERPRETATION: Although our study showed evidence of emergency department avoidance in Ontario during the first wave of the COVID-19 pandemic, no adverse consequences were evident. Emergency care and outcomes for patients were similar before and during the pandemic.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».