Healthcare utilization and adverse outcomes stratified by sex, age and long-term care residency using the Alberta COVID-19 Analytics and Research Database (ACARD): a population-based descriptive study
Notice bibliographique
Résumé
BACKGROUND: Understanding the epidemiology of Coronavirus Disease of 2019 (COVID-19) in a local context is valuable for both future pandemic preparedness and potential increases in COVID-19 case volume, particularly due to variant strains. METHODS: Our work allowed us to complete a population-based study on patients who tested positive for COVID-19 in Alberta from March 1, 2020 to December 15, 2021. We completed a multi-centre, retrospective population-based descriptive study using secondary data sources in Alberta, Canada. We identified all adult patients (≥ 18 years of age) tested and subsequently positive for COVID-19 (including only the first incident case of COVID-19) on a laboratory test. We determined positive COVID-19 tests, gender, age, comorbidities, residency in a long-term care (LTC) facility, time to hospitalization, length of stay (LOS) in hospital, and mortality. Patients were followed for 60 days from a COVID-19 positive test. RESULTS: Between March 1, 2020 and December 15, 2021, 255,037 adults were identified with COVID-19 in Alberta. Most confirmed cases occurred among those less than 60 years of age (84.3%); however, most deaths (89.3%) occurred among those older than 60 years. Overall hospitalization rate among those who tested positive was 5.9%. Being a resident of LTC was associated with substantial mortality of 24.6% within 60 days of a positive COVID-19 test. The most common comorbidity among those with COVID-19 was depression. Across all patients 17.3% of males and 18.6% of females had an unplanned ambulatory visit subsequent to their positive COVID-19 test. CONCLUSIONS: COVID-19 is associated with extensive healthcare utilization. Residents of LTC were substantially impacted during the COVID-19 pandemic with high associated mortality. Further work should be done to better understand the economic burden associated with related healthcare utilization following a COVID-19 infection to inform healthcare system resource allocation, planning, and forecasting.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».