Impact of COVID-19 on non-COVID intensive care unit service utilization, case mix and outcomes: A registry-based analysis from India
Notice bibliographique
Résumé
<ns4:p> <ns4:bold>Background:</ns4:bold> Coronavirus disease 2019 (COVID-19) has been responsible for over 3.4 million deaths globally and over 25 million cases in India. As part of the response, India imposed a nation-wide lockdown and prioritized COVID-19 care in hospitals and intensive care units (ICUs). Leveraging data from the Indian Registry of IntenSive care, we sought to understand the impact of the COVID-19 pandemic on critical care service utilization, case-mix, and clinical outcomes in non-COVID ICUs. </ns4:p> <ns4:p> <ns4:bold>Methods:</ns4:bold> We included all consecutive patients admitted between 1 <ns4:sup>st</ns4:sup> October 2019 and 27 <ns4:sup>th</ns4:sup> September 2020. Data were extracted from the registry database and included patients admitted to the non-COVID or general ICUs at each of the sites. Outcomes included measures of resource-availability, utilisation, case-mix, acuity, and demand for ICU beds. We used a Mann-Whitney test to compare the pre-pandemic period (October 2019 - February 2020) to the pandemic period (March-September 2020). In addition, we also compared the period of intense lockdown (March-May 31 <ns4:sup>st</ns4:sup> 2020) with the pre-pandemic period. </ns4:p> <ns4:p> <ns4:bold>Results:</ns4:bold> There were 3424 patient encounters in the pre-pandemic period and 3524 encounters in the pandemic period. Comparing these periods, weekly admissions declined (median [Q1 Q3] 160 [145,168] to 113 [98.5,134]; p<0.001); unit turnover declined (median [Q1 Q3] 12.1 [11.32,13] to 8.58 [7.24,10], p<0.001), and APACHE II score increased (median [Q1 Q3] 19 [19,20] to 21 [20,22] ; p<0.001). Unadjusted ICU mortality increased (9.3% to 11.7%, p=0.015) and the length of ICU stay was similar (median [Q1 Q3] 2.11 [2, 2] vs. 2.24 [2, 3] days; p=0.151). </ns4:p> <ns4:p> <ns4:bold>Conclusion:</ns4:bold> Our registry-based analysis of the impact of COVID-19 on non-COVID critical care demonstrates significant disruptions to healthcare utilization during the pandemic and an increase in the severity of illness. </ns4:p>
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 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 ».