MétaCan
Menu
Retour à la cohorte
Enregistrement W4389885482 · doi:10.3389/fpubh.2023.1251020

Trends in outpatient and inpatient visits for separate ambulatory-care-sensitive conditions during the first year of the COVID-19 pandemic: a province-based study

2023· article· en· W4389885482 sur OpenAlexafffundabout
Tetyana Kendzerska, David T. Zhu, Michael Pugliese, Douglas G. Manuel, Mohsen Sadatsafavi, Marcus Povitz, Thérèse A. Stukel, Teresa To, Shawn D. Aaron, Sunita Mulpuru, Melanie Chin, Claire Kendall, Kednapa Thavorn, Rébecca Robillard, Andrea S. Gershon

Notice bibliographique

RevueFrontiers in Public Health · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiquePrimary Care and Health Outcomes
Établissements canadiensBruyèreHealth Sciences CentreUniversity of TorontoSunnybrook Health Science CentreUniversity of CalgaryPublic Health OntarioHospital for Sick ChildrenUniversity of British ColumbiaOttawa HospitalUniversity of Ottawa
Organismes subventionnairesInstitute for Clinical Evaluative Sciences
Mots-clésMedicineAsthmaCOPDPandemicAmbulatory careDiabetes mellitusEmergency medicineAmbulatoryTelehealthPopulationAnginaHealth carePediatricsInternal medicineDiseaseTelemedicineCoronavirus disease 2019 (COVID-19)Environmental healthMyocardial infarctionInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Background: The COVID-19 pandemic led to global disruptions in non-urgent health services, affecting health outcomes of individuals with ambulatory-care-sensitive conditions (ACSCs). Methods: We conducted a province-based study using Ontario health administrative data (Canada) to determine trends in outpatient visits and hospitalization rates (per 100,000 people) in the general adult population for seven ACSCs during the first pandemic year (March 2020-March 2021) compared to previous years (2016-2019), and how disruption in outpatient visits related to acute care use. ACSCs considered were chronic obstructive pulmonary disease (COPD), asthma, angina, congestive heart failure (CHF), hypertension, diabetes, and epilepsy. We used time series auto-regressive integrated moving-average models to compare observed versus projected rates. Results: Following an initial reduction (March-May 2020) in all types of visits, primary care outpatient visits (combined in-person and virtual) returned to pre-pandemic levels for asthma, angina, hypertension, and diabetes, remained below pre-pandemic levels for COPD, and rose above pre-pandemic levels for CHF (104.8 vs. 96.4, 95% CI: 89.4-104.0) and epilepsy (29.6 vs. 24.7, 95% CI: 22.1-27.5) by the end of the first pandemic year. Specialty visits returned to pre-pandemic levels for COPD, angina, CHF, hypertension, and diabetes, but remained above pre-pandemic levels for asthma (95.4 vs. 79.5, 95% CI: 70.7-89.5) and epilepsy (53.3 vs. 45.6, 95% CI: 41.2-50.5), by the end of the year. Virtual visit rates increased for all ACSCs. Among ACSCs, reductions in hospitalizations were most pronounced for COPD and asthma. CHF-related hospitalizations also decreased, albeit to a lesser extent. For angina, hypertension, diabetes, and epilepsy, hospitalization rates reduced initially, but returned to pre-pandemic levels by the end of the year. Conclusion: This study demonstrated variation in outpatient visit trends for different ACSCs in the first pandemic year. No outpatient visit trends resulted in increased hospitalizations for any ACSC; however, reductions in rates of asthma, COPD, and CHF hospitalizations persisted.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,117
Score d'incertitude au seuil0,235

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,091
Tête enseignante GPT0,419
Écart entre enseignants0,328 · 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

Citations5
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Public HealthMême sujetPrimary Care and Health OutcomesTravaux en français237 207