A65 HOSPITALIZATION RATES OF INFLAMMATORY BOWEL DISEASE DURING THE COVID-19 PANDEMIC: A POPULATION-BASED STUDY OF THE ORGANISATION FOR ECONOMIC CO-OPERATION AND DEVELOPMENT.
Notice bibliographique
Résumé
Abstract Background Inflammatory bowel disease (IBD) places a significant burden on healthcare resources, requiring medical and surgical management in hospital. The COVID-19 pandemic further strained healthcare systems, but the impact of the global pandemic on IBD hospitalization rates remain unclear. Aims To examine hospitalization rates for IBD prior to the COVID-19 pandemic (2017-2019) and during the pandemic (2020-2022) in Organisation for Economic Co-Operation and Development (OECD) countries. Methods A population-based study was conducted using data from the 34 OECD member countries. Country-level data on annual IBD-related hospital discharge counts and rates (per 100,000 persons) were obtained. Mean hospitalization rates were calculated before (2017 to 2019) and during the pandemic (2020 to 2022). Incident rate ratios (IRR) comparing pandemic to pre-pandemic rates were calculated using Poisson regression, with 95% confidence intervals (CI). Countries without complete data during this the study period were excluded. Results Overall, 22 countries were included, with 20 showing a statistically significant decrease in hospitalization rates during the pandemic. These decreases in hospitalization rates during the pandemic ranged from Lithuania’s IRR of 0.57 (95%CI: 0.53, 0.62) to Spain’s IRR of 0.94 (95%CI: 0.92, 0.95). Of the remaining two countries, Korea had an increase in hospitalization rates (IRR: 1.02; 95%CI: 1.00, 1.04; p=0.015), while Costa Rica showed no significant difference (IRR:0.93; 95% CI: 0.82, 1.04). Conclusions IBD-related hospital discharge rates significantly decreased in most OECD countries during the pandemic. Future studies should explore whether the increased strain on healthcare systems during the pandemic shifted the management of IBD from hospitals to community-based care. Table 1. IBD hospitalization discharge rates in OECD countries prior to (2017-2019) and during (2020-2022) the COVID-19 pandemic per 100,000 person-years. Funding Agencies None
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 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) | 0,001 | 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 ».