Asthma-related emergency admissions and associated healthcare resource use in Alberta, Canada
Notice bibliographique
Résumé
BACKGROUND: There is a lack of real-world research assessing asthma management following asthma-related emergency department (ED) discharges. The objective of this study was to characterise follow-up care, healthcare resource use (HCRU) and medical costs following ED admissions in Alberta, Canada. METHODS: A retrospective cohort study was conducted on adults with asthma using longitudinal population-based administrative data from Alberta Health Services. Adult patients with asthma and ≥1 ED admission from 1 April 2015 to 31 March 2020 were included. ED admissions, outpatient visits, hospitalisations and asthma-specific medication use were measured in the 30 days before and up to 90 days after each asthma-related ED admission. Mean medical costs attributable to each type of HCRU were summarised. All outcomes were stratified by patient baseline disease severity. RESULTS: Among 128 063 patients incurring a total of 20 142 asthma-related ED visits, a substantial rate of ED readmission was observed, with 10% resulting in readmissions within 7 days and 35% within 90 days. Rates increased with baseline asthma severity. Despite recommendations for patients to be followed up with an outpatient visit within 2-7 days of ED discharge, only 6% were followed up within 7 days. The mean total medical cost per patient was $C8143 in the 30 days prior to and $C5407 in the 30 days after an ED admission. CONCLUSIONS: Despite recommendations regarding follow-up care for patients after asthma-related ED admissions, there are still low rates of outpatient follow-up visits and high ED readmission rates. New or improved multidimensional approaches must be integrated into follow-up care to optimise asthma control and prevent readmissions.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».