Primary Health Care Appointments and Hospital Stay: An Impact Analysis
Notice bibliographique
Résumé
The study of avoidable hospitalizations has gained international prominence due to its potential to assess the performance of healthcare systems. In Canada and Spain, these hospitalizations are analyzed through Ambulatory Care Sensitive Conditions (ACSC), indicating situations that could have been pre-vented or treated without hospitalization. In Portugal, this concept is represented by the term ICSCSP, focusing on care provided in Primary Health Care (PHC). The data analysis in this study aims to determine the impact that medical appointments at PHC may have on the number of hospitalizations, namely, to determine whether where the number of medical appointments is greater, the number of hospital stays is lower. During the COVID-19 pandemic in Portugal, many hospitalizations of the elderly were due to the decompensation of chronic diseases, highlighting the importance of access to PHC during health emergencies. Data pre-processing was carried out using the Pandas library in Python, merging two datasets monitoring the evolution of hospitalizations and medical appointments in PHC. Despite some challenges encountered during the analysis, such as population bias in district comparisons and the need to adjust metrics to properly reflect the relationship between appointments and hospital stays, it was concluded that the number of appointments in PHC does not have a direct impact on hospitalizations. For a more accurate analysis, it would be necessary to consider other factors, such as patient and district characteristics, and conduct more targeted studies, especially after disruptive events like the COVID-19 pandemic. This more detailed analysis would allow for a better understanding of the relationship between medical appointments and hospitalizations, contributing to improvements in the healthcare system.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».