MétaCan
Menu
Retour à la cohorte
Enregistrement W4225551957 · doi:10.1007/s43678-022-00275-3

Treatments, resource utilization, and outcomes of COVID-19 patients presenting to emergency departments across pandemic waves: an observational study by the Canadian COVID-19 Emergency Department Rapid Response Network (CCEDRRN)

2022· article· en· W4225551957 sur OpenAlexafffundabout
Corinne M. Hohl, Rhonda J. Rosychuk, Jeffrey P. Hau, Jake Hayward, Megan Landes, Justin W. Yan, Daniel K. Ting, Michelle Welsford, Patrick Archambault, Éric Mercier, Kavish Chandra, Philip J. Davis, Samuel Vaillancourt, Murdoch Leeies, Serena S Small, Laurie J. Morrison

Notice bibliographique

RevueCanadian Journal of Emergency Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensUniversity of ManitobaUniversity of SaskatchewanSaint John Regional HospitalInstitut Universitaire en Santé Mentale de QuébecUniversité LavalSt. Michael's HospitalCentre Intégré de Santé et Services Sociaux de Chaudière-AppalacheMcMaster UniversityLondon Health Sciences CentreUniversity of TorontoWestern UniversityHamilton Health SciencesCentre intégré de santé et de services sociaux de Chaudière-AppalachesUniversity Health NetworkVancouver Coastal HealthVancouver Coastal Health Research InstituteUniversity of British ColumbiaUniversity of AlbertaUniversity of British Columbia Hospital
Organismes subventionnairesMinistry of Colleges and UniversitiesCanadian Institutes of Health ResearchFondation CHU de QuébecGenome British ColumbiaSaskatchewan Health Research Foundation
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)MedicineEmergency departmentObservational studySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Medical emergency2019-20 coronavirus outbreakCoronavirusEmergency medicineDiseaseVirologyInfectious disease (medical specialty)NursingInternal medicineOutbreak

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Treatment for coronavirus disease 2019 (COVID-19) evolved between pandemic waves. Our objective was to compare treatments, acute care utilization, and outcomes of COVID-19 patients presenting to emergency departments (ED) across pandemic waves. METHODS: This observational study enrolled consecutive eligible COVID-19 patients presenting to 46 EDs participating in the Canadian COVID-19 ED Rapid Response Network (CCEDRRN) between March 1 and December 31, 2020. We collected data by retrospective chart review. Our primary outcome was in-hospital mortality. Secondary outcomes included treatments, hospital and ICU admissions, ED revisits and readmissions. Logistic regression modeling assessed the impact of pandemic wave on outcomes. RESULTS: We enrolled 9,967 patients in 8 provinces, 3,336 from the first and 6,631 from the second wave. Patients in the second wave were younger, fewer met criteria for severe COVID-19, and more were discharged from the ED. Adjusted for patient characteristics and disease severity, steroid use increased (odds ratio [OR] 7.4; 95% confidence interval [CI] 6.2-8.9), and invasive mechanical ventilation decreased (OR 0.5; 95% CI 0.4-0.7) in the second wave compared to the first. After adjusting for differences in patient characteristics and disease severity, the odds of hospitalization (OR 0.7; 95% CI 0.6-0.8) and critical care admission (OR 0.7; 95% CI 0.6-0.9) decreased, while mortality remained unchanged (OR 0.7; 95% CI 0.5-1.1). INTERPRETATION: In patients presenting to cute care facilities, we observed rapid uptake of evidence-based therapies and less use of experimental therapies in the second wave. We observed increased rates of ED discharges and lower hospital and critical care resource use over time. Substantial reductions in mechanical ventilation were not associated with increasing mortality. Advances in treatment strategies created health system efficiencies without compromising patient outcomes. TRIAL REGISTRATION: Clinicaltrials.gov, NCT04702945.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,594
Score d'incertitude au seuil0,806

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,361
Tête enseignante GPT0,485
Écart entre enseignants0,123 · 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

Citations28
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Emergency MedicineMême sujetCOVID-19 and healthcare impactsTravaux en français237 207