Using the Emergency Care Data Set for the epidemiological surveillance of Children and Young People aged less than 18 years: a case study of COVID-19 in England 2020-2023
Notice bibliographique
Résumé
Abstract Background The Emergency Care Data Set provides insight into emergency care activity in England, and combined with COVID-19 surveillance data, can provide new insights into acute COVID-19 infection. Methods This study identified individuals <18 years old who tested positive for SARS-CoV-2 between February 2020 and March 2023 and attended emergency care 1-14 days after a positive test. The study’s main objective was to explore ED attendance outcomes by demographic characteristics. Results There were significant differences (p < 0.05) across most of the characteristics of <18s admitted to hospital from emergency departments, and those who were discharged from ED. <18s in IMD decile 1 (14.9%) made up the highest proportion of admissions, with those in less deprived areas having a greater proportion of individuals discharged from ED. February to August 2020 (1.5%) and September 2022 to March 2023 (2.8%) saw the highest proportion of <18 cases attending ED, though the highest number of cases were seen between September 2021 and February 2022. Conclusions There is great value in the use of ECDS. It facilitates quick, regular insights into the health outcomes of key demographics, and provides a window into the health-seeking behaviours of individuals. Furthermore, outcomes of emergency care attendance can potentially inform assessments of infection severity across multiple demographics during outbreaks and pandemics.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».