Sociodemographic Variables Associated with Self-Reported Emergency Department Utilization: A Cross-Sectional, Population-Based Analysis
Notice bibliographique
Résumé
BACKGROUND: Current evidence has established disparities in ED utilization across various demographic and socioeconomic groups. However, there is a paucity of recent evidence exploring the interaction of multiple sociodemographic variables and their influence on emergency department (ED) utilization. OBJECTIVES: To evaluate the influence and interaction of multiple sociodemographic variables on ED utilization. METHODS: Cross-sectional, population-based logistic regression analyses were conducted using the 2023 National Health Interview Survey (NHIS) data. RESULTS: Adjusted odds of ED utilization were significantly higher among female (OR 1.31, 95% CI 1.21-1.41, p < 0.001), Black (OR 1.16, 95% CI 1.03-1.31, p = 0.014) and American Indian/Alaskan (OR 1.37, 95% CI 1.04-1.81, p = 0.026) individuals. Compared to ages 18-25, individuals aged 50-74 (p < 0.05) had lower odds. Compared to participants >5x poverty threshold, those with income 2-5x poverty threshold, 1-2x poverty threshold, and <1x poverty threshold had 19% (p < 0.001), 40% (p < 0.001) and 52% (p < 0.001) increased odds of ED utilization, respectively. Individuals with Medicaid/public insurance (OR 1.43, 95% CI 1.29-1.59, p < 0.001) and high school education (OR 1.12, 95% CI 1.01-1.23, p = 0.025) had higher odds of ED utilization compared to those with private insurance and college education. Those without access to a usual place of care (OR 0.71, 95% CI 0.60-0.82, p < 0.001) had lower odds. Compared to participants in good health, those in fair (OR 2.03, 95% CI 1.84-2.25, p < 0.001) or poor (OR 4.4, 95% CI 3.77-5.24, p < 0.001) health had higher odds of ED visits. CONCLUSIONS: Sex, age, race, income, insurance coverage, education, self-reported health status and access to care are significant predictors of ED visits.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».