Impact of COVID-19 Pandemic on Healthcare Utilization in People with Diabetes: A Time-Segmented Longitudinal Study of Alberta’s Tomorrow Project
Notice bibliographique
Résumé
OBJECTIVE: The objective is to characterize the impact of COVID-19 on major healthcare for diabetes, including hospitalization, emergency department (ED) visits and primary care visits in Alberta, Canada. METHODS: Participants from Alberta's Tomorrow Project (ATP) with pre-existing diabetes prior to 1 April 2018 were included and followed up to 31 March 2021. A time-segmented regression model was used to characterize the impact of COVID-19 on healthcare utilization after adjusting for seasonality, socio-demographic factors, lifestyle behaviors and comorbidity profile of patients. RESULTS: Among 6099 participants (53.5% females, age at diagnosis 56.1 ± 9.9 y), the overall rate of hospitalization, ED visits and primary care visits was 151.5, 525.9 and 8826.9 per 1000 person-year during the COVID-19 pandemic (up to 31 March 2021), which means they reduced by 12% and 22% and increased by 6%, compared to pre-pandemic rates, respectively. Specifically, the first COVID-19 state of emergency (first wave of the outbreak) was associated with reduced rates of hospitalization, ED visits and primary care visits, by 79.4% (95% CI: 61.3-89.0%), 93.2% (95% CI: 74.6-98.2%) and 65.7% (95% CI: 47.3-77.7%), respectively. During the second state of emergency, healthcare utilization continued to decrease; however, a rebound (increase) of ED visits was observed during the period when the public health state of emergency was relaxed. CONCLUSION: The declared COVID-19 states of emergency had a negative impact on healthcare utilization for people with diabetes, especially for hospital and ED services, which suggests the importance of enhancing the capacity of these two healthcare sectors during future COVID-19-like public health emergencies.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».