MétaCan
Menu
← Back to cohort
Record W7161995941 · doi:10.82308/11821

Factors associated with emergency department length of stay in Montreal - results of a quasi-experimental study and electronic medical record data analysis

2021· dissertation· en· W7161995941 on OpenAlexaboutno aff
Wajiha Masood

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldMedicine
TopicEmergency and Acute Care Studies
Canadian institutionsnot available
Fundersnot available
KeywordsMedical recordPopulationMedical careIle de france

Abstract

fetched live from OpenAlex

Introduction au problème:Le Canada a le temps d'attente au service d'urgence le plus long des pays développés et la province de Québec a le temps d'attente moyen au service d'urgence le plus long au Canada. Ce problème s'aggrave dans le monde développé, en partie à cause d'une population de personnes âgées en croissance rapide souffrant de maladies chroniques. Le surpeuplement des urgences - qui résulte souvent de services de soins primaires inadéquats, en particulier pour une augmentation du vieillissement de la population, et le «internement» des patients admis à l'hôpital pour lesquels aucun lit d'hospitalisation n'est disponible - est associé à une diminution de la qualité des soins, une augmentation des erreurs médicales et a une association positive avec une mortalité accrue pour les patients présents à l'urgence. Le surpeuplement des urgences entraîne des soins moins efficaces qui peuvent entraîner des complications nécessitant des séjours hospitaliers plus longs et plus coûteux à soigner. Le problème que traite cette thèse est qu'un système aussi complexe et interconnecté que les soins de santé présente rarement des interventions systémiques qui offrent la possibilité de déterminer si ou comment le flux des urgences peut être amélioré. Cette étude tire parti d'une expérience naturelle rare à grande échelle, qui serait caractérisée comme un «cas extrême» impliquant un déplacement majeur de l'hôpital à Montréal, Québec, Canada. L'hôpital Royal Victoria a été déplacé de son emplacement d'origine vers un nouvel emplacement en avril 2015. Cette étude vise à utiliser les données du DME pour évaluer s'il existe une différence entre les patients ED LOS (durée du séjour), avant et après le déménagement du SU du site d'origine au nouveau site et pour explorer les variables prédictives les plus importantes liées à la durée du séjour au SU, y compris l'âge et d'autres variables socio-économiques, en évaluant l'accès au médecin de soins primaires.Conception de l'étude et méthodes:L'étude a appliqué une conception quasi expérimentale pour utiliser les données collectées régulièrement dans l'urgence, avant et après le déménagement. Les données ont été collectées du 01/06/2014 au 25/04/2015 pour le site d'origine (pré-relocalisation) et du 26/04/2015 au 31/03/2016 pour le site actuel (post délocalisation). Les données ont été analysées statistiquement via la version 3.6.2 de R studio. Après avoir utilisé des méthodes statistiques avancées, notamment la modélisation de régression multiple et la modélisation d'apprentissage automatique, des informations sur le temps d'attente sur les deux sites et l'effet de différents facteurs / covariables sur les temps d'attente ont été collectées. Des analyses descriptives et inférentielles ont été utilisées pour comparer les données des patients et des urgences avant et après le déplacement.Résultats:Dans l'analyse univariée (pas d'ajustement pour les covariables), il y avait une différence moyenne estimée de 0,55 heure (IC à 95% -0,79; -0,30 heure) dans la DS entre le site d'origine et le site actuel. Dans l'analyse multivariée, ajustement pour les covariables confondantes potentielles site, âge, sexe, description md des soins primaires, description du médecin traitant, description du mode d'arrivée, priorité de triage; le rapport moyen ED LOS (nouveau site / site d'origine) a été estimé à 0,98 [IC à 95%: 0,97 à 1,00], c'est-à-dire suggérant des différences relatives de ED LOS entre les sites comprises entre zéro et 3%. La méthode d'apprentissage automatique qui utilisait la forêt aléatoire expliquait 21% de la variation de la ED LOS due aux covariables, l'âge de plus de 61 ans étant le facteur prédictif le plus important pour une ED LOS plus longue

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.015
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Non-randomized trial · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.166
Threshold uncertainty score0.333

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0040.015
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.002
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0050.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.037
GPT teacher head0.351
Teacher spread0.314 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNon-randomized trial
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same topicEmergency and Acute Care Studies→French-language works237,207→