Emergency department presentations related to asthma and allergic diseases in Central Queensland, Australia: a comparative analysis between First Nations Australians and Australians of other descents
Notice bibliographique
Résumé
OBJECTIVE: To examine the overall incidence rate and trends in emergency department (ED) presentations related to asthma and allergic diseases in regional Australia with a particular focus on First Nations Australians. DESIGN: A retrospective analysis of data from the Emergency Department Information System. SETTING: This study used data from 12 public hospitals in Central Queensland, Australia, a region encompassing regional, rural and remote outback areas. PARTICIPANTS: A total of 813 112 ED presentations between 2018 and 2023. OUTCOME MEASURE: Asthma and allergic diseases were identified using the International Classification of Diseases-Tenth Revision-Australian Modification codes. RESULTS: There were 13 273 asthma and allergic disease-related ED presentations, with an overall prevalence of 1.6% (95% CI 1.6, 1.7). There was a significantly higher incidence rate of asthma and allergic disease-related ED presentations among First Nations Australians at 177.5 per 10 000 person-years (95% CI 169.3, 186.0) compared with 98.9 per 10 000 person-years (95% CI 97.2, 100.8) among Australians of other descents. The incidence rates, with corresponding 95% CIs, of the four most common cases among First Nations Australians and Australians of other descents, respectively, were as follows: asthma (87.8 (82.0, 93.8) and 40.2 (39.0, 41.3)), unspecified allergy (55.3 (50.8, 60.2) and 36.0 (34.9, 37.1)), atopic/allergic contact dermatitis (17.1 (14.6, 19.9) and 10.6 (10.0, 11.2)) and anaphylaxis (7.2 (5.6, 9.1) and 6.2 (5.7, 6.6)). CONCLUSION: Our findings highlight a significantly higher rate of asthma and allergic disease-related ED presentations among First Nations Australians compared with Australians of other descents. This underscores the urgent need for targeted healthcare interventions integrating culturally appropriate approaches, alongside additional research to understand causality.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».