MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410124549 · doi:10.7759/cureus.83569

Emergency Department Visits for Circulatory System Diseases: A Study of Primary Diagnoses Using National Hospital Ambulatory Medical Care Survey (NHAMCS) Data From 2016 to 2022

2025· article· en· W4410124549 sur OpenAlexaff
Michael K Olanite, Bernard Wiredu, A. Figueroa, Zainab Baye, Saluwa Nansimbi, Edidiong Enyeneokpon, Chinwe Olivia Ayozie, Okelue E Okobi, Nneka Muoghalu

Notice bibliographique

RevueCureus · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Myocardial Infarction Research
Établissements canadiensAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésMedicineEmergency departmentAmbulatoryMedical diagnosisPrimary careEmergency medicineMedical emergencyAmbulatory careMedical careFamily medicineHealth careInternal medicineNursingPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Circulatory system diseases are leading causes of emergency department (ED) visits in the United States. Understanding trends in these visits is crucial for healthcare planning. OBJECTIVE: This study aimed to identify the most frequent primary circulatory system diagnoses presenting to EDs, examine temporal trends in ED visit rates from 2016 to 2022, and assess disparities by patient age, sex, race/ethnicity, insurance status, and geographic region. MATERIALS AND METHODS: A cross-sectional analysis of the National Hospital Ambulatory Medical Care Survey (NHAMCS) data (2016-2022) identified ED visits with a primary circulatory disease diagnosis using International Classification of Diseases (ICD) codes. Weighted estimates ensured national representativeness. Descriptive statistics and inferential statistics were used to assess trends. Analyses were performed in STATA 17 (StataCorp., College Station, TX, USA) (p<0.05). RESULTS: Overall ED visit rates for circulatory diseases rose from 15 per 1,000 in 2016 to 17 per 1,000 in 2019 (p<0.01), declined to 16 per 1,000 in 2020 (p<0.05 vs. 2019), and stabilized at 17 per 1,000 in 2021-2022 (no significant change, p=0.12). Essential hypertension (14%), hypertensive heart or kidney disease (13%), acute myocardial infarction (11%), atrial fibrillation/flutter (10%), and ischemic stroke (8%) represented the five most common primary diagnoses, accounting for over 56% of circulatory presentations. Older adults (65+) exhibited the highest visit rates (peaking at 55 per 1,000 in 2022), males had slightly higher rates than females (18 vs. 16 per 1,000 in 2022), and non-Hispanic Black individuals had persistently elevated rates (28 per 1,000 in 2022) compared to non-Hispanic White individuals (17 per 1,000) and Hispanic individuals (12 per 1,000) (all p<0.05). The Midwest and Northeast regions reported the highest rates, whereas the West had the lowest, underscoring geographic variation in circulatory disease burden. Medicare beneficiaries had the highest utilization (44 per 1,000 in 2022), highlighting insurance-related disparities. CONCLUSIONS: In this nationally representative analysis, primary ED presentations for circulatory diseases were dominated by hypertension-related conditions and acute ischemic events. Stabilization of rates post-2020, particularly among older and Medicare-insured patients, indicates potential targets for intervention. Strengthening primary care access and preventive programs, especially for older adults and non-Hispanic Black individuals, may reduce ED reliance and improve equity in cardiovascular care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,395
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureus→Même sujetAcute Myocardial Infarction Research→Travaux en français237 207→