Flow Through the Emergency Department for Patients Presenting with Substance Use Disorder in Alberta, Canada
Notice bibliographique
Résumé
INTRODUCTION: Since 2016 the province of Alberta, Canada, has seen a significant increase in substance use disorder (SUD) presentations to the emergency department (ED) with a large surge during the COVID-19 pandemic. In this retrospective study we deconstruct the total length of stay (LOS) in the ED into stages for patients presenting with SUD and estimate the effects of covariates on the time to transition between stages. METHODS: Modification, codes F10.0-F19.9 and T36.0-T50.9, we extracted data from the National Ambulatory Care Reporting System between April 1, 2019-March 31, 2020 on all ED presentations for SUD by Alberta residents. We used a multistate model to deconstruct the EDLOS into eight mutually exclusive states and determine which factors affected the time spent in each state. RESULTS: We analyzed 66,880 presentations (37,530 patients). The mean age was 37.2 years, and 61% were male. The median total LOS in the ED was 6 hours 13 minutes. Patients presenting with methamphetamines (METH) intoxication and patients from low-income neighborhoods had significantly increased transition times between all states. Opposite this, opiate use was associated with faster transition times between almost all states. Metro EDs experienced slower transitions when attempting to discharge or admit patients when compared to urban or rural EDs. Emergency department crowding also had a dramatic effect on physician initial assessment times, while discharge and admission times in patients presenting with SUD were also significantly affected. CONCLUSION: Patients with SUD experience a variety of delays during their ED stay. Those with METH intoxication and those from the lowest income neighborhoods were most likely to experience slower transitions from state to state in the ED and may benefit from a focused approach to improve ED flow.
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) | 0,001 | 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 ».