Multicenter Study of the Impact of COVID-19 Shelter-In-Place on Tertiary Hospital-based Care for Pediatric Neurologic Disease
Notice bibliographique
Résumé
Objective To describe changes in hospital-based care for children with neurologic diagnoses during the initial 6 weeks following regional Coronavirus 2019 Shelter-in-Place orders. Methods This retrospective cross-sectional study of 7 US and Canadian pediatric tertiary care institutions included emergency and inpatient encounters with a neurologic primary discharge diagnosis code in the initial 6 weeks of Shelter-in-Place (COVID-SiP), compared to the same period during the prior 3 years (Pre-COVID). Patient demographics, encounter length, and neuroimaging and electroencephalography use were extracted from the medical record. Results 27,900 encounters over 4 years were included. Compared to Pre-COVID, there was a 54% reduction in encounters during Shelter-in-Place. COVID-SiP patients were younger (median 5 years vs 7 years). The incidence of encounters for migraine fell by 72%, and encounters for acute diagnoses of status epilepticus, infantile spasms, and traumatic brain injury dropped by 53%, 55%, and 56%, respectively. There was an increase in hospital length of stay, relative utilization of intensive care, and diagnostic testing (long-term electroencephalography, brain MRI, and head CT (all P<.01)). Conclusion During the initial 6 weeks of SiP, there was a significant decrease in neurologic hospital-based encounters. Those admitted required a high level of care. Hospital-based neurologic services are needed to care for acutely ill patients. Precise factors causing these shifts are unknown and raise concern for changes in care seeking of patients with serious neurologic conditions. Impacts of potentially delayed diagnosis or treatment require further investigation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».