MétaCan
Menu
Retour à la cohorte
Enregistrement W4285493924 · doi:10.1186/s12873-022-00673-x

Characterizing people with frequent emergency department visits and substance use: a retrospective cohort study of linked administrative data in Ontario, Alberta, and B.C., Canada

2022· article· en· W4285493924 sur OpenAlexafffundabout
Jessica Moe, Yueqiao Elle Wang, Michael J. Schull, Kathryn Dong, Margaret J. McGregor, Corinne M. Hohl, Brian R. Holroyd, Kimberlyn McGrail

Notice bibliographique

RevueBMC Emergency Medicine · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensUniversity of AlbertaInstitute for Clinical Evaluative SciencesAlberta HealthCanada Research ChairsUniversity of TorontoUniversity of British ColumbiaStornoway Diamond (Canada)BC Centre for Disease ControlVancouver General Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchVancouver Coastal Health Research InstituteCanadian Association of Emergency Physicians
Mots-clésMedicineEmergency departmentRetrospective cohort studyCohortSubstance useFamily medicineMedical prescriptionDemographyMental healthCluster (spacecraft)Generalizability theoryEmergency medicinePsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Substance use is common among people who visit emergency departments (EDs) frequently. We aimed to characterize subgroups within this cohort to better understand care needs/gaps, and generalizability of characteristics in three Canadian provinces. Methods This was a retrospective cohort study (April 1 st , 2013 to March 31 st , 2016) of ED patients in Ontario, Alberta, and British Columbia (B.C.) We included patients ≥ 18 years with substance use-related healthcare contact during the study period and frequent ED visits, defined as those in the top 10% of ED utilization when all patients were ordered by annual ED visit number. We used linked administrative databases including ED visits and hospitalizations (all provinces); mental heath-related hospitalizations (Ontario and Alberta); and prescriptions, physician services, and mortality (B.C.). We compared to cohorts of people with (1) frequent ED visits and no substance use, and (2) non-frequent ED visits and substance use. We employed cluster analysis to identify subgroups with distinct visit patterns and clinical characteristics during index year, April 1 st , 2014 to March 31 st , 2015. Results In 2014/15, we identified 19,604, 7,706, and 9,404 people with frequent ED visits and substance use in Ontario, Alberta, and B.C (median 37–43 years; 60.9–63.0% male), whose ED visits and hospitalizations were higher than comparison groups. In all provinces, cluster analyses identified subgroups with “extreme” and “moderate” frequent visits (median 13–19 versus 4–6 visits/year). “Extreme” versus “moderate” subgroups had more hospitalizations, mental health-related ED visits, general practitioner visits but less continuity with one provider, more commonly left against medical advice, and had higher 365-day mortality in B.C. (9.3% versus 6.6%; versus 10.4% among people with frequent ED visits and no substance use, and 4.3% among people with non-frequent ED visits and substance use). The most common ED diagnosis was acute alcohol intoxication in all subgroups. Conclusions Subgroups of people with “extreme” (13–19 visits/year) and “moderate” (4–6 visits/year) frequent ED visits and substance use had similar utilization patterns and characteristics in Ontario, Alberta, and B.C., and the “extreme” subgroup had high mortality. Our findings suggest a need for improved evidence-based substance use disorder management, and strengthened continuity with primary and mental healthcare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,070
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,057
Tête enseignante GPT0,300
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

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

Citations13
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Emergency MedicineMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207