Building an inpatient addiction medicine consult service in Sudbury, Canada: preliminary data and lessons learned in the era of COVID-19
Notice bibliographique
Résumé
OBJECTIVE: The goal of this study was to (1) Describe the patient population of a newly implemented addiction medicine consult service (AMCS); (2) Evaluate referrals to community-based addiction support services and acute health service use, over time; (3) Provide lessons learned. METHODS: A retrospective observational analysis was conducted at Health Sciences North in Sudbury, Ontario, Canada, with a newly implemented AMCS from November 2018 and July 2021. Data were collected using the hospital's electronic medical records. The outcomes measured included the number of emergency department visits, inpatient admissions, and re-visits over time. An interrupted time-series analysis was performed to measure the effect of AMCS implementation on acute health service use at Health Sciences North. RESULTS: A total of 833 unique patients were assessed through the AMCS. A total of 1,294 referrals were made to community-based addiction support services, with the highest proportion of referrals between August and October 2020. The post-intervention trend for ED visits, ED re-visits, ED length of stay, inpatient visits, re-visits, and inpatient length of stay did not significantly differ from the pre-intervention period. CONCLUSION: Implementation of an AMCS provides a focused service for patients using with substance use disorders. The service resulted in a high referral rate to community-based addiction support services and limited changes in health service usage.
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 | 0,000 |
| 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 | 0,000 | 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 ».