Reasons for Calling EMS
Notice bibliographique
Résumé
Background: Frequent callers of emergency medical services comprise a disproportionate percentage of emergency department visits. This study aims to describe reasons for calling 911 and healthcare services among frequent callers in Ontario. Methods: Cross-sectional research design. A mailed self-administered survey was conducted. Participants were residents of an urban City in Canada, 18 years or older, and had called 911 at least 5 times in the past year. Dillman’s Total Design Method was used to implement the survey. Data was summarized using frequency distribution. Subgroup analyses were performed to assess for factors associated with reasons for calling in the past, reasons for calling in the future, and health services utilized. Results: Among the 67 participants, 47.8% were over 65, 50.70% were female, 85.1% were unemployed, and 38.8% lived alone. Most frequently reported reasons for having called 911 were inability to get up after a fall (41.8%), exacerbation of chronic medical conditions (37.3%), inability to get to the hospital (34.3%), experiencing severe pain (34.3%), and anxiety attacks (23.9%). Subgroup analysis showed significant associations: unemployment was associated with calling due to an alcohol or drug overdose (OR=6.50; CI: 1.16, 36.26); age over 65 had a lower odds of calling in the future for alcohol or drug overdose (OR=0.06; CI: 0.01, 0.51), for serious allergic response (OR=0.22; CI:0.081, 0.740) or for severe pain (OR=0.18; CI: 0.064, 0.518); age over 65 (OR=4.46CI=1.24-17.41) had higher odds of using Community Care Access Centers; and male participants had lower odds of using telehealth (OR=0.19; CI:0.038, 0.97). Conclusions: Policy makers should review these reasons for frequently calling 911 and implement a system to help frequent callers use more appropriate health care services including a non-ambulance response to calls related to falls, transport to medical care facilities, or anxiety attacks. This might free up ambulance services for more urgent calls.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».