Use of the "crash room" in a rural hospital: case review of 100 cases.
Notice bibliographique
Résumé
INTRODUCTION: There is little published literature about the characteristics of patients with high triage levels seen in the emergency departments of rural hospitals. We sought to determine the demographics of patients brought into the "crash room" of a rural hospital, to assess the pathologies that brought them to the hospital and to study their final disposition. METHODS: We conducted a retrospective chart review of visits to the crash room of our rural hospital. We used the hospital's crash room register to compile a list of the last 100 consecutive visits to the crash room as of July 20, 2011. We extracted initial data from the register and additional data by chart review. RESULTS: Patients with triage levels 1 to 3 were brought to the crash room at a rate of 0.36 cases/wk/1000 population. Although circulatory disease, respiratory disease and "chest pain" accounted for 44.6% of final diagnoses, a wide range of pathology was seen in the crash room. Trauma and poisonings, and mental disorders accounted for 21.0% and 9.0% of diagnoses, respectively. The final diagnosis was nonspecific, vague or "unknown" in 20% of the visits. Of the crash room cases, 17% required transfer to a secondary care hospital. CONCLUSION: Crash room visits in this rural hospital occurred at a rate of 0.48 cases/wk/1000 population. Most patients seen in the crash room were not given the traditional triage levels 1 or 2 that are usually associated with crash room care. The final diagnosis was nonspecific in 17.0% of cases, and mental disorders accounted for 9.0% of crash room visits.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».