患者识别与数据收集
从电子健康档案中识别2016年至2022年期间在UAB医院因严重注射相关感染住院的所有患者,并获取其社会人口学特征和临床结局。
回顾性检索电子健康档案,按纳入标准筛选383名患者,通过图表审查确认资格、OUD状态、甲基苯丙胺使用、OUD药物使用和患者主导出院情况,并使用居住地邮政编码确定城乡分类。
Community-Based Services for Hospitalized Patients With Serious Injection-Related Infections in Alabama: A Brief Report
研究基于电子健康档案回顾性数据、电话调查和地理空间分析,包含三个阶段,但未涉及实验性干预或机制验证,证据层级有限。
383例严重注射相关感染住院患者 阿拉巴马州98个减少伤害服务点
患者纳入时间范围为2016年1月11日至2022年4月24日 出院后12个月内再入院率为97.4% 门诊随访率为39.9% 到达最近服务点的平均驾驶时间为16分钟
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
从电子健康档案中识别2016年至2022年期间在UAB医院因严重注射相关感染住院的所有患者,并获取其社会人口学特征和临床结局。
回顾性检索电子健康档案,按纳入标准筛选383名患者,通过图表审查确认资格、OUD状态、甲基苯丙胺使用、OUD药物使用和患者主导出院情况,并使用居住地邮政编码确定城乡分类。
识别阿拉巴马州提供HIV、HCV或物质使用相关教育、预防、检测或治疗服务的社区组织,并确认其服务可用性。
利用AIDSVu网站搜索检测、PrEP、护理、过量预防和减少伤害服务,提取组织名称、地址和电话。在2022年8月至2023年1月期间,由2名研究助理通过电话调查确认无保险人群的服务可用性。
计算每位患者居住地(以ZCTA人口加权质心为代表)到最近减少伤害服务点的驾驶时间,并评估服务点分布与服务可及性。
使用ArcGIS Pro 3.1对服务点地址进行地理编码,将患者邮政编码映射到ZCTA,计算质心,使用ArcGIS Online的“查找最近点”工具计算驾驶时间,设定测量类型为驾驶时间,出发时间不指定,最近点数量为1,最大搜索范围120分钟。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 地理空间分析 | ArcGIS Pro 3.1版 | Esri | -- |
| ArcGIS在线 | Esri | -- | |
| 统计分析 | SAS 9.4版 | SAS Institute | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 患者识别 | 纳入标准:2016年1月11日至2022年4月24日期间在UAB医院因严重注射相关感染住院的所有患者,包括皮肤和软组织感染、血流感染、骨和关节感染、心内膜炎和脑脓肿。 阅读提示:见Methods中的“Participant Identification and Characteristics”部分 |
| 服务点识别 | 服务点来源为AIDSVu网站,电话调查确认服务可用性,时间2022年8月至2023年1月。 阅读提示:见Methods中的“Identification of Harm Reduction Service Organizations”部分 |
| 地理空间分析 | 使用ArcGIS Pro 3.1进行地理编码,用ArcGIS Online计算驾驶时间,参数设置包括测量类型、出发时间、最近点数量和最大范围。 阅读提示:见Methods中的“Analyses”部分 |
| 统计分析 | 描述性统计包括均值、中位数、标准差、四分位数、频率和百分比。 阅读提示:见Methods中的“Analyses”部分 |