Notice bibliographique
Résumé
Introduction: Given the mortality benefit related to trauma centre care among severely injured patients, multiple initiatives have been undertaken to minimize the admission of these patients to non-trauma centres (undertriage). An unintended consequence of these initiatives is the transfer of patients without severe injuries to trauma centres (overtriage). To better understand the impact of overtriage on the healthcare system, this thesis aimed to evaluate hospital characteristics associated with, and quantify healthcare costs attributable to, overtriage. Methods: We identify all injured adults who presented to a non-trauma centre in Ontario using population-based administrative data (2009–2020). Bivariate generalized mixed effects models were used to estimate the accuracy of triage decisions for patients transferred from non-trauma to trauma centres. Rates of under- and overtriage were compared between centres with high and low triage accuracy using negative binomial regression. Hierarchical logistic regression was then used to investigate the impact of hospital resources on overtriage, adjusting for patient and injury characteristics. Finally, we performed a propensity-matched cohort analysis to estimate differences in 30-day healthcare costs between overtriaged patients and matched controls. Results: Triage accuracy varied significantly across non-trauma centres (diagnostic odds ratios ranging from 0.20 to 21.1). After adjusting for case-mix and resources, rates of overtriage were 75% lower at highly accurate centres relative to those with low accuracy (RR 0.27, 95% CI: 0.20–0.36), whereas there were no differences in undertriage (RR 1.06, 95% CI: 1.00–1.12). Resources at the hospital of presentation, including CT scanners, surgical support, and intensive care units did not impact a patient’s likelihood of overtriage. However, hospital of presentation itself had a greater impact on a patient’s odd of overtriage than any patient, injury, or hospital characteristic (MOR 3.76). Thirty-day healthcare costs were 6.5% greater among overtriaged patients relative to matched controls (RR 1.06, 95% CI: 1.04–1.09). Conclusion: Overtriage represents a key contributor to the accuracy of trauma transfers. Our findings suggest there are high performing centres that have developed processes to ensure patients without severe injuries are cared for locally. Dissemination of these processes represents an opportunity to improve trauma systems and potentially reduce healthcare spending.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».