Emergency department utilization, admissions, and revisits in the United States (New York), Canada (Ontario), and New Zealand: A retrospective <scp>cross‐sectional</scp> analysis
Notice bibliographique
Résumé
BACKGROUND: Emergency department (ED) utilization is a significant concern in many countries, but few population-based studies have compared ED use. Our objective was to compare ED utilization in New York (United States), Ontario (Canada), and New Zealand (NZ). METHODS: A retrospective cross-sectional analysis of all ED visits between January 1, 2016, and September 30, 2017, for adults ≥18 years using data from the State Emergency Department and Inpatient Databases (New York), the National Ambulatory Care Reporting System and Discharge Abstract Data (Ontario), and the National Non-Admitted Patient Collection and the National Minimum Data Set (New Zealand). Outcomes included age- and sex-standardized per-capita ED utilization (overall and stratified by neighborhood income), ED disposition, and ED revisit and hospitalization within 30 days of ED discharge. RESULTS: There were 10,998,371 ED visits in New York, 8,754,751 in Ontario, and 1,547,801 in New Zealand. Patients were older in Ontario (mean age 51.1 years) compared to New Zealand (50.3) and New York (48.7). Annual sex- and age-standardized per-capita ED utilization was higher in Ontario than New York or New Zealand (443.2 vs. 404.0 or 248.4 visits per 1000 population/year, respectively). In all countries, ED utilization was highest for residents of the lowest income quintile neighborhoods. The proportion of ED visits resulting in hospitalization was higher in New Zealand (34.5%) compared to New York (20.8%) and Ontario (12.8%). Thirty-day ED revisits were higher in Ontario (27.0%) than New Zealand (18.6%) or New York (21.4%). CONCLUSIONS: Patterns of ED utilization differed widely across three high-income countries. These differences highlight the varying approaches that our countries take with respect to urgent visits, suggest opportunities for shared learning through international comparisons, and raise important questions about optimal approaches for all countries.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».