Triage gap? Analysis of admission rates, service utilisation and mortality for First Nations patients compared to non‐First Nations patients, stratified by ED triage category
Notice bibliographique
Résumé
BACKGROUND: First Nations patients often experience poorer health outcomes than non-First Nations patients. Despite emergency triage primarily focusing on severity, implying comparable outcomes for patients in the same triage group regardless of demographics, the precision of triage for First-Nations Australians may be undermined by multiple factors, although research in this area is scarce. OBJECTIVE: To compare admission rates, service utilisation and mortality for First Nations and non-First Nations patients, based on their triage categories. METHODS: This retrospective cohort study utilised data for all adults presenting between January 2016 and May 2021, to Alice Springs Hospital; totalling 175 199 presentations from 39 882 individual patients. Data were analysed for differences between First Nations and non-First nations patients for outcomes including 30-day mortality, admission to hospital and admission to ICU. RESULTS: First Nations patients had significantly higher admission than non-First Nations patients across all triage categories (P < 0.001). First Nations patients in categories 3 and 4 had a significantly higher 30-day mortality (P = 0.039, P = 0.045, respectively). First Nations patients in categories 2 and 3 were significantly more likely to be admitted to ICU (P < 0.001). CONCLUSION: First Nations patients appear to have worse outcomes than non-First Nations patients in the same triage category. Socio-economic factors and high discharge against advice rates from wards may explain the significantly higher admission rate. Under-recognition of serious illness at triage could be attributed to communication issues or a 'well bias'. The results raise many questions and further investigation is required.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».