MétaCan
Menu
Retour à la cohorte
Enregistrement W4386559886 · doi:10.1371/journal.pone.0290646

The impact of the early COVID-19 pandemic on healthcare system resource use and costs in two provinces in Canada: An interrupted time series analysis

2023· article· en· W4386559886 sur OpenAlexafffundabout
Seraphine Zeitouny, Douglas C. Cheung, Karen E. Bremner, Reka Pataky, Priscila Pequeno, John Matelski, Stuart Peacock, M. Elisabeth Del Giudice, Lauren Lapointe‐Shaw, George Tomlinson, Andrew Mendlowitz, Carol Mulder, Teresa Tsui, Nathan Perlis, Jennifer Walker, Beate Sander, William Wong, Murray Krahn, Girish S. Kulkarni

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensUniversity of WaterlooImpactPrincess Margaret Cancer CentreSickKids FoundationHospital for Sick ChildrenCancer Care OntarioSunnybrook HospitalQueen's UniversitySunnybrook Health Science CentreSimon Fraser UniversityInstitute for Clinical Evaluative SciencesMcMaster UniversityToronto General HospitalHealth Sciences CentreUniversity Health NetworkUniversity of TorontoCanadian Centre for Applied Research in Cancer ControlUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research ChairsCanadian Centre for Applied Research in Cancer ControlPublic Health AgencyPublic Health Agency of Canada
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Interrupted Time Series AnalysisSeries (stratigraphy)Healthcare systemHealth careMedicineGeographyVirologyBiologyOutbreakEconomic growthStatisticsEconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The aim of our study was to assess the initial impact of COVID-19 on total publicly-funded direct healthcare costs and health services use in two Canadian provinces, Ontario and British Columbia (BC). METHODS: This retrospective repeated cross-sectional study used population-based administrative datasets, linked within each province, from January 1, 2018 to December 27, 2020. Interrupted time series analysis was used to estimate changes in the level and trends of weekly resource use and costs, with March 16-22, 2020 as the first pandemic week. Also, in each week of 2020, we identified cases with their first positive SARS-CoV-2 test and estimated their healthcare costs until death or December 27, 2020. RESULTS: The resources with the largest level declines (95% confidence interval) in use in the first pandemic week compared to the previous week were physician services [Ontario: -43% (-49%,-37%); BC: -24% (-30%,-19%) (both p<0.001)] and emergency department visits [Ontario: -41% (-47%,-35%); BC: -29% (-35%,-23%) (both p<0.001)]. Hospital admissions declined by 27% (-32%,-23%) in Ontario and 21% (-26%,-16%) in BC (both p<0.001). Resource use subsequently rose but did not return to pre-pandemic levels. Only home care and dialysis clinic visits did not significantly decrease compared to pre-pandemic. Costs for COVID-19 cases represented 1.3% and 0.7% of total direct healthcare costs in 2020 in Ontario and BC, respectively. CONCLUSIONS: Reduced utilization of healthcare services in the overall population outweighed utilization by COVID-19 patients in 2020. Meeting the needs of all patients across all services is essential to maintain resilient healthcare systems.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,247

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,147
Tête enseignante GPT0,375
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetCOVID-19 and healthcare impactsTravaux en français237 207