Trajectories of Frequent Short-Term Emergency Department Visits Among Older Adults
Notice bibliographique
Résumé
Objectives Frequent emergency department (ED) use is typically defined over a one-year period, but short-term patterns of use among older adults remain poorly understood. We sought to identify distinct trajectories of ED use over a 90-day period and describe their associated patient and visit characteristics, with the goal of informing ED care for this population. Methods We conducted a retrospective population study in Quebec, Canada, using provincial administrative databases. Patients aged ≥65 years with an index ED visit between July 2014 to December 2015 and three or more ED visits in the preceding 90 days were included. Group-based trajectory modeling was used to identify patient groups with distinct trajectories of ED visits; the patient and visit characteristics for each trajectory were compared. Results The 10,741 included patients were divided into two cohorts: those with all prior ED visits without admission (No Admission cohort) and those with at least one prior visit resulting in hospital admission (Admission cohort). In both cohorts, two conceptually similar patterns emerged - Stable (near-constant probability of ED visits) and Increasing (probability rising over time) - although the specific timing and magnitude of changes differed between cohorts. In the No Admission cohort, a third pattern, Hyperacute (rapidly rising and high probability of an ED visit near the index visit), was identified and was associated with shorter ED length of stay and fewer chronic conditions compared with other trajectories. The Increasing and Stable groups showed few differences in patient or visit characteristics apart from certain diagnoses. Conclusions This study demonstrates that older adults with frequent ED use can be characterized by distinct 90-day trajectories, which may represent clinically relevant subgroups. Incorporating trajectory-based approaches may enhance understanding of ED utilization patterns and inform strategies to optimize care delivery for this population.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».