The rising burden of acute urologic disease at an urban, academic hospital network
Notice bibliographique
Résumé
INTRODUCTION: Urological presentations to the emergency department (ED) can represent a significant burden of disease. We aimed to evaluate trends in the incidence, management, and followup of urological presentations to the ED at an urban, academic, tertiarycare hospital network over a 10-year period. METHODS: A retrospective cohort study was conducted to include all patients presenting with renal colic (RC), gross hematuria (GH), or acute urinary retention (AUR) to EDs in the University Health Network in 2008-2009 and 2018-2019. Patient demographics and outcomes were compared between these two periods and between urological presentations. Multilevel regression analyses identified predictors of in-patient admission, return to the ED, and clinic wait time. RESULTS: A total of 2751 patients and 3510 ED visits were included (991 visits from 2008-09 and 2519 visits from 2018-19). Over time, increases were observed in all three presentations, largely driven by an almost five-fold increase in RC presentations. Multilevel regression analyses showed that older patients were more likely to be admitted from the ED, while age, 2018-19 era, and residence within the "downtown core" independently predicted return to the ED within 30 days of initial visit. Time to be seen in urology clinic increased over time for the entire cohort, and 14.4% of clinic visits were preceded by multiple ED visits. CONCLUSIONS: The incidence of acute urological presentations increased significantly over a 10-year period at a tertiary-care hospital network. These findings demonstrate an increasing burden of acute urological disease that is outpacing population growth and straining available resources.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».