Difference in impact on emergency department visits following four major peaks of COVID-19 cases
Notice bibliographique
Résumé
Objective: Several variants of SARS-CoV-2 have emerged since its first appearance in 2019, greatly impacting healthcare systems across the globe. Previous literature indicated a substantial decline in emergency department (ED) visits in hospitals since the start of the COVID-19 pandemic. However, little research has been done to compare different variants’ (Ancestral, Alpha, Delta, Omicron, etc.) impact on patients presenting to the ED. Thus, the purpose of this retrospective observational study is to compare the changes in total ED volume following four major peaks of SARS-CoV-2 infection within a multi-hospital health system.Methods: Utilizing electronic healthcare record (EHR) data, total ED visits (484,268) and COVID-19 case counts (24,358) were collected and analyzed to compare ED census and COVID-19 trends across four years and four variant peak periods, from January 2019 to June 2022.Results: Results showed that ED visits declined after the first two major peaks (Ancestral and Alpha) in COVID-19 cases, which was consistent with national trends and prevailing literature. In contrast, ED visits increased following the fourth major peak (Omicron) in COVID-19 cases.Conclusions: The increase in ED visits following the fourth major peak was inconsistent with previous literature and trends. This may be attributed to the severity differences between variants, increased vaccination uptake, newly adopted public countermeasures, and evolving perceptions of safety and fear regarding COVID-19. These results underscore the critical importance for health administrators and policy planners to be cognizant of new strategies that alleviate barriers to receiving emergency care, especially during times of crisis.
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 | 0,000 |
| 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 ».