Emergency department return visits and hospital admissions in trauma team assessed patients initially discharged from the emergency department: A population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: Many injured patients are transported directly to trauma centers, found to be minimally injured, and discharged directly home from the emergency department (ED). Our objectives were to characterize the short-term outcomes in this discharged patient population and to identify patient factors predictive of ED return visits. METHODS: We conducted a retrospective population-based cohort study using linked administrative data sets involving patients assessed at trauma centers in Ontario, Canada between April 1, 2009, and March 31, 2020. Patients who were assessed by a trauma team and discharged directly home from ED were included. The primary outcome was the percentage of patients with an ED return visit within 14 days. We used multivariate logistic regression analyses to identify patient characteristics predictive of at least one ED return visit. RESULTS: There were 5,550 patients included in the study. A total of 1,004 (18.1%) of patients had at least one ED return visit, but only 100 patients (1.8%) were admitted to hospital following initial discharge. Common reasons for ED return visits included wound care concerns (17.2%), head injury complaints (15.6%), and substance misuse (6.8%). Rural residence (odds ratio [OR], 1.83; 95% CI, 1.45-2.29), history of anxiety disorder (OR, 2.05; 95% CI, 1.54-2.73), high baseline ED usage (OR, 2.58; 95% CI, 2.03-3.28), penetrating injury (OR, 1.42; 95% CI, 1.20-1.68), and extremity fracture (OR, 1.52; 95% CI, 1.24-1.88) predicted return visits. CONCLUSION: Patients discharged directly have high rates of ED return visits but low rates of hospital admission or delayed surgical intervention. Trauma services should expand quality assurance initiatives to capture return visits, understand any gaps in clinical service provision, and aim to minimize unnecessary ED return visits. LEVEL OF EVIDENCE: Prognostic/Epidemiological; Level IV.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».