Observational study on resource utilisation of patients with limited English proficiency (LEP) at a high-LEP serving community hospital emergency department
Notice bibliographique
Résumé
Communication barriers often result in healthcare disparities. Language barriers in patients with limited English proficiency (LEP) frequently results in higher healthcare expenditures and potentially poorer patient-centred outcomes. Therefore, we decided to assess resource utilisation of patients with LEP at our high-LEP serving community hospital emergency department (ED) in Canada. Specifically, we examined whether LEP patients have a higher rate of CT utilisation and/or a higher rate of hospital admission from the ED.We enrolled 100 patients who presented to the ED in our study. Each patient's English proficiency was rated. We classified 31 patients as LEP patients and 69 patients as non-LEP patients. Within the LEP patients' group, 13 out of 31 patients (42%) received a CT scan, while in the non-LEP patients' group, 30 out of 69 patients (43%) received a CT scan. In addition, 28 out of 31 patients (90%) from the LEP patients' group were admitted to the hospital after the initial ED consultation, while in the non-LEP patients' group, 51 out of 69 patients (74%) were admitted.We did not find a difference in CT scan utilisation between LEP and non-LEP patients (p=0.89). Although there is a trend towards a higher hospital admission rate in LEP patients, our finding was not statistically significant (p=0.062).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».