Predictive validity comparison of two five-level triage acuity scales
Notice bibliographique
Résumé
INTRODUCTION: Each of the two most commonly used five-level triage tools in North America, the Emergency Severity Index and the Canadian Triage and Acuity Scale have been used as a measure of emergency department resource utilization in addition to acuity. In both cases, it is believed that patients triaged as having a higher level of acuity require a greater number of emergency department resources. We compared the ability of each tool to predict the emergency department resources for each emergency department visit and associated hospital admission and in-hospital mortality rates. METHODS: This is an observational, cohort study of a population-based random sample of patients triaged at two emergency departments over a 4-month period. Correlational analyses were performed to examine the relationship between the triage assessment and: (i) resource utilization, (ii) hospital admission, and (iii) in-hospital mortality. RESULTS: From 486 patients, analyses revealed the greatest correlation was between Emergency Severity Index and diagnostic resources [-0.54 (95% confidence intervals: -0.58, -0.50)] and the poorest correlation was between Canadian Triage and Acuity Scale and mortality [-0.16 (95% confidence intervals: -0.20, -0.12)]. No statistically significant differences (P<0.005) were observed between each tool 's ability to predict any of the outcomes measured. CONCLUSION: No statistically significant difference was observed in the ability of Emergency Severity Index v. 3 and Canadian Triage and Acuity Scale to predict emergency department resource utilization or immediate patient outcomes. This ability is, at best, only moderate indicating that other, more accurate tools than measures of triage acuity are required for this purpose.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».