Emergency department use for mental and substance use disorders: descriptive analysis of population-based, linked administrative data in British Columbia, Canada
Notice bibliographique
Résumé
OBJECTIVES: Information on emergency department (ED) visits for mental and substance use disorders (MSUDs) is important for planning services but has not been explored in British Columbia (BC), Canada. We describe all MSUD ED visits for people ages 15 and older in the province of BC in 2017/2018 and document trends in MSUD ED visits between 2007/2008 and 2017/2018 by disorder group. DESIGN: Population-based linked administrative data comprised of ED records and physician billings capturing all MSUD ED visits in BC. SETTING: BC is Canada's westernmost province with a population of approximately 5 million. Permanent residents receive first-dollar coverage for all medically necessary services provided by licensed physicians or in hospitals, including ED services. POPULATION: All people age >15 with MSUD ED visits during the study period. MEASURES: All claims with a service location in the ED or corresponding to fee items billed only in the ED were examined alongside ED visits reported through a national reporting system. Patient characteristics (sex/gender, age, location of residence, income, treated disorders and comorbidities) and previous outpatient service use for all ED visits by visit diagnosis are also described. RESULTS: A total of 72 363 people made 134 063 visits to the ED in 2017/2018 for needs related to MSUD. MSUD ED visits have increased since 2010, particularly visits for substance use and anxiety disorders. People with more frequent visits were more likely to be male, on public prescription drug plans for income assistance, prescribed psychiatric medications, and living in lower-income neighbourhoods. They used more community-based primary care and psychiatry services and had lower continuity of primary care. CONCLUSIONS: MSUD ED visits are substantial and growing in BC. Findings underscore a need to strengthen and target community healthcare services and adequately resource and support EDs to manage growing patient populations.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,015 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».