Exploring the diverse factors influencing healthcare utilization during the COVID-19 crisis
Notice bibliographique
Résumé
Background The emergence of the COVID-19 pandemic created an unprecedented global health crisis, resulting in major disruptions to healthcare systems worldwide. The pandemic has also significantly reshaped healthcare utilization patterns. This study aimed to assess healthcare utilization during the three waves of COVID-19. Methods We conducted a retrospective study involving 1,308 patients admitted to the COVID-19 care facility at the National Institute of Medical Sciences and Research in Jaipur, Rajasthan, India. The study analyzed healthcare utilization patterns during the first, second, and third waves of COVID-19, focusing on patient hospitalization duration across the three waves. Results The hospitalization rate increased during the second wave compared to the first wave and subsequently declined in the third wave. Hospitalization durations varied significantly across the waves. In all three waves, 30% of the population was hospitalized for 0–5 days, 25.9% for 9–13 days, 24.08% for 6–8 days, and 19.5% of patients were hospitalized for more than 14 days. A p-value of 0.032 indicated a statistically significant difference in length of hospital stay (LHS) across the three waves of COVID-19. A threshold p-value of 0.05 was used to assess healthcare utilization and to estimate future healthcare requirements for similar pandemic scenarios. Conclusion Our findings highlight the dynamic nature of healthcare demands during pandemic waves and underscore the need for flexible healthcare systems capable of adapting to fluctuating patient loads. Proactive planning and resource allocation are crucial to managing future pandemics effectively.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».