Characteristics of First Nations patients who take their own leave from an inner‐city emergency department, 2016–2020
Notice bibliographique
Résumé
OBJECTIVE: Using a strength-based framework, we aimed to describe and compare First Nations patients who completed care in an ED to those who took their own leave. METHODS: Routinely collected adult patient data from a metropolitan ED collected over a 5-year period were analysed. RESULTS: A total of 6446 presentations of First Nations patients occurred from 2016 to 2020, constituting 3% of ED presentations. Of these, 5589 (87%) patients waited to be seen and 857 (13%) took their own leave. Among patients who took their own leave, 624 (73%) left not seen and 233 (27%) left at own risk after starting treatment. Patients who were assigned a triage category of 4-5 were significantly more likely to take their own leave (adjusted odds ratio [OR] 3.17, 95% confidence interval [CI] 2.67-3.77, P < 0.001). Patients were significantly less likely to take their own leave if they were >60 years (adjusted OR 0.69, 95% CI 1.01-1.36, P = 0.014) and had private health insurance (adjusted OR 0.61, 95% CI 0.45-0.84, P < 0.001). Patients were more likely to leave if they were women (adjusted OR 1.17, 95% CI 1.01-1.36, P = 0.04), had an unknown housing status (adjusted OR 1.76, 95% CI 1.44-2.15, P < 0.001), were homeless (adjusted OR 1.50, 95% CI 1.22-1.93, P < 0.001) or had a safety alert (adjusted OR 1.60, 95% CI 1.35-1.90, P < 0.001). CONCLUSION: A lower triage category is a strong predictor of First Nations patients taking their own leave. It has been documented that First Nations patients are under-triaged. One proposed intervention in the metropolitan setting is to introduce practices which expediate the care of First Nations patients. Further qualitative studies with First Nations patients should be undertaken to determine successful approaches to create equitable access to emergency healthcare for this population.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,042 | 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 ».