The impact of referring hospital resources on interfacility overtriage: A population-based analysis
Notice bibliographique
Résumé
BACKGROUND: Nearly half of patients transferred from non-trauma to trauma centres have minor injuries. The transfer of patients with minor injuries to trauma centres is not associated with any known patient benefit and represents an opportunity to reduce healthcare costs and improve patient experience. In this study, we evaluated the relationship between hospital resources and overtriage, with the objective of identifying targets for system-level intervention. METHODS: We conducted a population-based cohort study of adults, age ≥ 16, presenting with minor injuries to non-trauma centres in Ontario, Canada (2009-2020). The primary outcome was overtriage, defined as transfer to a trauma centre. Hierarchical logistic regression was used to evaluate the association between hospital resources and a patient's likelihood of being overtriaged, adjusting for case-mix. RESULTS: amongst 165,302 patients with minor injuries, 15,641 (9.5 %) were transferred to a trauma centre (overtriage). Presence of a CT scanner, surgical support, or intensive care unit had no impact on a patient's likelihood of overtriage. Relative to community hospitals, presentation to a teaching hospital was independently associated with greater odds of overtriage (OR 2.97, 95 % CI: 1.26-7.00). Accounting for case-mix and resources, the median difference in a patient's odds of overtriage varied 3.7-fold across non-trauma centres (MOR 3.76). CONCLUSIONS: There is significant variability in overtriage across non-trauma centres, even after adjusting for case-mix and hospital resources. These finding suggests that some centres have developed processes to minimize overtriage independent of available resources. Broad implementation of these processes may represent an opportunity for system-wide quality improvement.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».