MétaCan
Menu
Retour à la cohorte
Enregistrement W4200202431 · doi:10.1186/s13011-021-00421-7

Frequencies of emergency department use and hospitalization comparing patients with different types of substance or polysubstance-related disorders

2021· article· en· W4200202431 sur OpenAlexafffundabout
Bahram Armoon, Guy Grenier, Zhirong Cao, Christophe Huỳnh, Marie‐Josée Fleury

Notice bibliographique

RevueSubstance Abuse Treatment Prevention and Policy · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesHealth CanadaMinistère de la SantéMinistère de la Santé et des Services sociaux
Mots-clésPolysubstance dependenceMedicineCannabisPsychological interventionEmergency departmentPsychiatryAddictionMental healthSubstance abuse

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: This study measured emergency department (ED) use and hospitalization for medical reasons among patients with substance-related disorders (SRD), comparing four subgroups: cannabis-related disorders, drug-related disorders other than cannabis, alcohol-related disorders and polysubstance-related disorders, controlling for various clinical, sociodemographic and service use variables. METHODS: Clinical administrative data for a cohort of 22,484 patients registered in Quebec (Canada) addiction treatment centers in 2012-13 were extracted for the years 2009-10 to 2015-16. Using negative binomial models, risks of frequent ED use and hospitalization were calculated for a 12-month period (2015-16). RESULTS: Patients with polysubstance-related disorders used ED more frequently than other groups with SRD. They were hospitalized more frequently than patients with cannabis or other drug-related disorders, but less frequently than those with alcohol-related disorders. Patients with alcohol-related disorders used ED more frequently than those with cannabis-related disorders and underwent more hospitalizations than both patients with cannabis-related and other drug-related disorders. Co-occurring SRD-mental disorders or SRD-chronic physical illnesses, more years with SRD, being women, living in rural territories, more frequent consultations with usual general practitioner or outpatient psychiatrist, and receiving more interventions in community healthcare centers increased frequency of ED use and hospitalization, whereas both adverse outcomes decreased with high continuity of physician care. Behavioral addiction, age less than 45 years, living in more materially deprived areas, and receiving 1-3 interventions in addiction treatment centers increased risk of frequent ED use, whereas living in semi-urban areas decreased ED use. Patients 25-44 years old receiving 4+ interventions in addiction treatment centers experienced less frequent hospitalization. CONCLUSION: Findings showed higher risk of ED use among patients with polysubstance-related disorders, and higher hospitalization risk among patients with alcohol-related disorders, compared with patients affected by cannabis and other drug-related disorders. However, other variables contributed substantially more to the frequency of ED use and hospitalization, particularly clinical variables regarding complexity and severity of health conditions, followed by service use variables. Another important finding was that high continuity of physician care helped decrease the use of acute care services. Strategies like integrated care and outreach interventions may enhance SRD services.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,032
Score d'incertitude au seuil0,962

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,025
Tête enseignante GPT0,281
Écart entre enseignants0,256 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations36
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSubstance Abuse Treatment Prevention and PolicyMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207