MétaCan
Menu
Retour à la cohorte
Enregistrement W3165543517 · doi:10.1097/pec.0000000000002484

Effect of the COVID-19 Pandemic on Patient Volumes, Acuity, and Outcomes in Pediatric Emergency Departments

2021· article· en· W3165543517 sur OpenAlexaffabout
Yaron Finkelstein, Bryan Maguire, Roger Zemek, Esli Osmanlliu, April Kam, Andrew Dixon, Neil Desai, Scott Sawyer, Jason G. Emsley, Tim Lynch, Ahmed Mater, Suzanne Schuh, Maggie Rumantir, Stephen B. Freedman

Notice bibliographique

RevuePediatric Emergency Care · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensUniversity of CalgaryDalhousie UniversityUniversity of ManitobaUniversity of AlbertaMcMaster Children's HospitalWestern UniversityUniversity of TorontoMontreal Children's HospitalUniversity of OttawaMcGill UniversityChildren's Hospital of Eastern OntarioBC Children's HospitalSickKids FoundationAlberta Children's HospitalIzaak Walton Killam Health CentreStollery Children's HospitalUniversity of SaskatchewanHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineCoronavirus disease 2019 (COVID-19)Pandemic2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Emergency medicineIntensive careBetacoronavirusMedical emergencyCoronavirus InfectionsMEDLINEPediatricsIntensive care medicineVirologyInternal medicineInfectious disease (medical specialty)Outbreak

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The aim of this study was to quantify the effect of the COVID-19 pandemic on pediatric emergency department (ED) utilization and outcomes. METHODS: This study is an interrupted-time-series observational study of children presenting to 11 Canadian tertiary-care pediatric EDs. Data were grouped into weeks in 3 study periods: prepandemic (January 1, 2018-January 27, 2020), peripandemic (January 28, 2020-March 10, 2020), and early pandemic (March 11, 2020-April 30, 2020). These periods were compared with the same time intervals in the 2 preceding calendar years. Primary outcomes were number of ED visits per week. The secondary outcomes were triage acuity, hospitalization, intensive care unit (ICU) admission, mortality, length of hospital stay, ED revisits, and visits for trauma and mental health concerns. RESULTS: There were 577,807 ED visits (median age, 4.5 years; 52.9% male). Relative to the prepandemic period, there was a reduction [-58%; 95% confidence interval (CI), -63% to -51%] in the number of ED visits during the early-pandemic period, with concomitant higher acuity. There was a concurrent increase in the proportion of ward [odds ratio (OR), 1.39; 95% CI, 1.32-1.45] and intensive care unit (OR, 1.20; 95% CI, 1.01-1.42) admissions, and trauma-related ED visits among children less than 10 years (OR, 1.51; 95% CI, 1.45-1.56). Mental health-related visits in children declined in the early-pandemic period (in <10 years, -60%; 95% CI, -67% to -51%; in children ≥10 years: -56%; 95% CI, -63% to -47%) relative to the pre-COVID-19 period. There were no differences in mortality or length of stay; however, ED revisits within 72 hours were reduced during the early-pandemic period (percent change: -55%; 95% CI, -61% to -49%; P < 0.001). CONCLUSIONS: After the declaration of the COVID-19 pandemic, dramatic reductions in pediatric ED visits occurred across Canada. Children seeking ED care were sicker, and there was an increase in trauma-related visits among children more than 10 years of age, whereas mental health visits declined during the early-pandemic period. When faced with a future pandemic, public health officials must consider the impact of the illness and the measures implemented on children's health and acute care needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,380
Écart entre enseignants0,346 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations74
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePediatric Emergency CareMême sujetCOVID-19 and healthcare impactsTravaux en français237 207