MétaCan
Menu
Retour à la cohorte
Enregistrement W4206939274 · doi:10.1186/s12877-022-02763-8

Examining the association between loneliness and emergency department visits using Canadian Longitudinal Study of Aging (CLSA) data: a retrospective cross-sectional study

2022· article· en· W4206939274 sur OpenAlexafffundabout
Stephanie Chamberlain, Rachel Savage, Susan E. Bronskill, Lauren E. Griffith, Paula A. Rochon, Jesse Batara, Andrea Gruneir

Notice bibliographique

RevueBMC Geriatrics · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensPublic Health OntarioHealth Sciences CentreSunnybrook Health Science CentreImpactInstitute for Clinical Evaluative SciencesUniversity of TorontoMcMaster UniversityWomen's College HospitalUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésLonelinessEmergency departmentMedicineOddsUCLA Loneliness ScaleLogistic regressionCross-sectional studyOdds ratioLongitudinal studyCohort studyPublic healthGerontologyDemographyPsychiatryNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Loneliness is a public health concern and its influence on morbidity and mortality are well documented. The association between loneliness and emergency department visits is less clear. Further, while sex and gender-related factors are known to be associated with loneliness and health services use, little research looks at the relationship by gender. Our study aimed to estimate the association between loneliness and emergency department use in the previous 12 months. We aimed to determine if this association differed based on gender identity and gender-related characteristics. METHODS: We used a retrospective cohort study design to analyze population-based survey data from the Canadian Longitudinal Study on Aging (CLSA). We analysed data from the baseline and follow-up 1 survey respondents (2015-2018) from both the tracking (telephone interviews) and comprehensive (in-home data collection) cohorts (n=44816). Loneliness was assessed using a dichotomous measure (lonely/not lonely) from a validated scale. Emergency department visits were dichotomous (yes/no) by self-reported emergency department use in the 12 months prior to the survey date. Multivariable logistic regression analyses using analytic weights examined the association between loneliness and emergency department visit, controlling for other demographic, social, and health related factors. RESULTS: We identified 44,413 respondents to the baseline and follow-up 1 survey. The prevalence of loneliness in our sample was 23.1% (n=10263). Of those who had been to the emergency department in the previous year, 27.2% (n=2793) were lonely. Lonely respondents had higher odds of an emergency department visit (aOR: 1.13, 95% CI: 1.05-1.21), adjusted for various demographic and health factors. Loneliness was associated with emergency department visits more so in women (aOR: 1.15, 95% CI: 1.05-1.25) than in men (aOR: 1.10, 95% CI: 0.99-1.22). CONCLUSIONS: In our study, loneliness was associated with emergency department visits in the previous 12 months. When our analysis was disaggregated by gender, we found differences in the odds of emergency department visit for men, women, and gender-diverse respondents. The odds of ED visit were higher in women than men. These findings highlight the general importance of identifying loneliness in both primary care and hospital. Care providers in ED need resources to refer patients who present in this setting with health issues complicated by social conditions such as loneliness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,046
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,214
Tête enseignante GPT0,419
Écart entre enseignants0,205 · 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 source (Gemma direct ou Codex distillé), 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

Citations30
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC GeriatricsMême sujetHealth disparities and outcomesTravaux en français237 207