An interrupted time series study using administrative health data to examine the impact of the COVID-19 pandemic on alternate care level acute hospitalizations in Ontario, Canada
Notice bibliographique
Résumé
<h3>Background:</h3> Many health systems struggle with delayed discharges (known as alternate level of care [ALC] in Canada). Our objectives were to describe and compare patient and hospitalization characteristics by ALC status, and to examine the impact of the initial period of the COVID-19 pandemic on ALC rates in Ontario, Canada. <h3>Methods:</h3> We conducted an interrupted time series using linked administrative data for acute care hospital discharges in Ontario between Feb. 28, 2018, and Nov. 30, 2020. We measured the monthly ALC rate among discharges before and after the onset of the COVID-19 pandemic (Mar. 1, 2020). We used interrupted time series regressions to examine the association between the onset of the pandemic and average ALC monthly rates. <h3>Results:</h3> We identified no meaningful differences in patient and admission characteristics, irrespective of time; however, differences were identified by ALC status. The overall average monthly rate of ALC discharges before the COVID-19 pandemic was 4.9% and after the onset of the pandemic was 5.0%. These discharges dropped to 4.3% (<i>n</i> = 3558) in March 2020 but then rebounded to their peak of 5.8% (<i>n</i> = 3915). There was no significant change in the average level of ALC rates per month after the onset of the pandemic (increase of 0.36% average per month, 95% confidence interval [CI] −0.11% to 0.83%) or monthly rate of change (slope) after the onset of the pandemic (−0.08%, 95% CI −0.15 to 0). <h3>Interpretation:</h3> We identified a continued high rate of hospital discharges with an ALC component despite the considerable efforts in hospital to reduce hospital occupancy during the COVID-19 pandemic. Future research should examine why ALC rates remain high despite hospital efforts.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».