MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415648297 · doi:10.1136/bmjopen-2025-104487

Examining the impact of the first wave of COVID-19 on equitable access to emergency care across Alberta demographic groups: a retrospective observational study

2025· article· en· W4415648297 sur OpenAlexafffundabout
Patrick McLane, Mandi Gray, Cheryl Barnabé, Katherine Rittenbach, Lea Bill, Brian R. Holroyd, Eddy Lang, Antonia Stang, Jake Hayward, Rita K. Henderson, Greta G. Cummings, Rhonda J. Rosychuk

Notice bibliographique

RevueBMJ Open · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensInstitute on GovernanceUniversity of CalgaryTrent UniversityAlberta HealthGovernment of AlbertaUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésObservational studyEmergency departmentRetrospective cohort studyEpidemiologyHealth services researchPublic health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: During the first wave of the COVID-19 pandemic, there was a notable decline in emergency department (ED) usage in many jurisdictions. This study assessed changes in ED use during this period and explored how the pandemic may have aggravated existing healthcare access inequities. OBJECTIVES: Our primary objective was to assess pandemic-related changes to ED visits and emergency hospitalisations for distinct demographic groups. DESIGN: We conducted a retrospective observational study using population-based provincial administrative data. SETTING: We analysed data from all the 109 EDs and urgent care centres in Alberta, Canada, during the first wave of the COVID-19 pandemic (15 March 2020 to 30 June 2020), and during the corresponding (control) period 1 year earlier. We conducted subgroup analyses by age, First Nations status, sex, location and material deprivation. We repeated all analyses for pre-selected life-threatening emergency diagnoses. POPULATIONS: We examined outcomes for a priori subgroups, including female and 'other' sex patients, paediatric patients (age 0-17 years), seniors (age 65 years and older), patients living in remote areas (greater than 200 km from an urban centre), First Nations members and patients living in materially deprived postal codes falling into the two most deprived Pampalon Index quintiles. PRIMARY AND SECONDARY OUTCOME MEASURES: Primary outcomes were number of ED visits, number of ED visits with admission to hospital and number of ED visits resulting in patient death in the ED. A secondary outcome was change in ED use for life-threatening diagnoses (eg, cardiac conditions and hepatic disease). RESULTS: ED visits in the COVID-19 period decreased by 34% (Poisson means test p <0.001) and hospitalisations decreased by 15% (p <0.001) compared with 2019. Multivariable models showed an average decrease of 79.9 (p <0.001) ED visits, and 7.7 (p <0.001) fewer average admissions per facility for the COVID-19 period (vs 2019) in our 'baseline' group (non-First Nations, male, adult and metropolitan residents who were not materially deprived). First Nations patients, seniors and remote residents experienced smaller declines in ED visits compared with the baseline group. Females, seniors and children experienced larger reductions in emergency admissions, while First Nations patients had smaller reductions. CONCLUSION: Reductions in critical emergency care and emergency hospital admissions were unequally distributed across demographic groups during the COVID-19 period. Study methods could be used to monitor and support equitable access to emergency care among distinct populations.

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)0,005
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 enseignants0,114
Score d'incertitude au seuil0,228

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,371
Tête enseignante GPT0,554
Écart entre enseignants0,182 · 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'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→