MétaCan
Menu
Retour à la cohorte
Enregistrement W4304128476 · doi:10.1111/1742-6723.14103

Using network analyses to characterise Australian and Canadian frequent attenders to the emergency department

2022· article· en· W4304128476 sur OpenAlexaffabout
Jonathan G Zhou, Peter Cameron, Joanna F. Dipnall, Kingsley Shih, Ivy Cheng

Notice bibliographique

RevueEmergency Medicine Australasia · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineTriagePsychological interventionEmergency departmentPopulationDescriptive statisticsMental healthFamily medicineDemographyEmergency medicinePsychiatryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To explore and compare the characteristics of frequent attenders to the ED at an Australian and a Canadian tertiary hospitals by utilising a network analysis approach. METHODS: We conducted a retrospective population-based study using administrative data over the 2018 and 2019 calendar years. Participants were from a tertiary hospital in Melbourne, Australia, and Toronto, Canada. Frequent attenders were defined as patients with four or more visits in 12 months. Characteristics of younger (18-39 years), middle-aged (40-69 years) and older (70 years and older) frequent attenders were described using descriptive statistics and network analyses. RESULTS: Younger frequent attenders were characterised by mental illness and substance use, while older frequent attenders had high rates of physical (including chronic) diseases. Middle-aged frequent attenders were characterised by a combination of mental and physical illnesses. These findings were observed at both hospitals. Across all age groups, the network analyses between the Melbourne and Toronto hospitals were different. Among older frequent attender visits, more diagnoses were associated with high triage acuity at the Toronto hospital than at the Melbourne hospital. Some associations were similar at both sites, for example, the negative correlation between high triage acuity and joint pain. CONCLUSION: Younger, middle-aged and older frequent attenders have distinct characteristics, made readily apparent by using network analyses. Future interventions to reduce ED visits should consider the heterogeneity of frequent attenders who have needs specific to their age, presenting problems and jurisdiction.

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)0,002
score de la tête « metaresearch » (Gemma)0,016
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 enseignants0,131
Score d'incertitude au seuil0,264

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,000
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 Opus0,307
Tête enseignante GPT0,507
Écart entre enseignants0,200 · 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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEmergency Medicine AustralasiaMême sujetMental Health Research TopicsTravaux en français237 207