Adrenal Insufficiency: Investigating Prevalence and Healthcare Utilization Using Administrative Data
Notice bibliographique
Résumé
Context: Adrenal insufficiency (AI) is an uncommon, life-threatening disorder requiring lifelong treatment with steroid therapy and special attention to prevent adrenal crisis. Little is known about the prevalence of AI in Canada or healthcare utilization rates by these patients. Objective: We aimed to assess the prevalence and healthcare burden of AI in Alberta, Canada. Methods: This study used a population-based, retrospective administrative health data approach to identify patients with a diagnosis of AI over a 5-year period and evaluated emergency and outpatient healthcare utilization rates, steroid dispense records, and visit reasons. Results: The period prevalence of AI was 839 per million adults. Patients made an average of 2.3 and 17.8 visits per year in the emergency department and outpatient settings, respectively. This was 3 to 4 times as frequent as the average Albertan, and only 5% were coded as visits for AI. The majority of patients were dispensed glucocorticoid medications only. Conclusion: The prevalence of AI in Alberta is higher than published data in other locations. The frequency of visits suggests a significant healthcare burden and emphasizes the need for a strong understanding of this condition across all clinical settings. Our most concerning finding is that 94.3% of visits were not labeled with AI, even though many of the top presenting complaints were consistent with adrenal crisis. Several data limitations were discovered that suggest improvements in the standardization of data submission and coding can expand the yield of future studies using this method.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».