Low‐value injury admissions in an integrated Canadian trauma system: A multicentre cohort study
Notice bibliographique
Résumé
BACKGROUND: Injury represents 260 000 hospitalisations and $27 billion in healthcare costs each year in Canada. Evidence suggests that there is significant variation in the prevalence of hospital admissions among emergency department presentations between countries and providers, but we lack data specific to injury admissions. We aimed to estimate the prevalence of potentially low-value injury admissions following injury in a Canadian provincial trauma system, identify diagnostic groups contributing most to low-value admissions and assess inter-hospital variation. METHODS: We conducted a retrospective multicentre cohort study based on all injury admissions in the Québec trauma system (2013-2018). Using literature and expert consultation, we developed criteria to identify potentially low-value injury admissions. We used a multilevel logistic regression model to evaluate inter-hospital variation in the prevalence of low-value injury admissions with intraclass correlation coefficients (ICC). We stratified our analyses by age (1-15; 16-64; 65-74; 75+ years). RESULTS: The prevalence of low-value injury admissions was 16% (n = 19 163) among all patients, 26% (2136) in children, 11% (4695) in young adults and 19% (12 345) in older adults. Diagnostic groups contributing most to low-value admissions were mild traumatic brain injury in children (48% of low-value paediatric injury admissions; n = 922), superficial injuries (14%, n = 660) or minor spinal injuries (14%, n = 634) in adults aged 16-64 and superficial injuries in adults aged 65+ (22%, n = 2771). We observed strong inter-hospital variation in the prevalence of low-value injury admissions (ICC = 37%). CONCLUSION: One out of six hospital admissions following injury may be of low value. Children with mild traumatic brain injury and adults with superficial injuries could be good targets for future research efforts seeking to reduce healthcare services overuse. Inter-hospital variation indicates there may be an opportunity to reduce low-value injury admissions with appropriate interventions targeting modifications in care processes.
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 | 0,026 | 0,177 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| 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 ».