The ALERT scale: an observational study of early prediction of adverse hospital outcome for medical patients
Notice bibliographique
Résumé
OBJECTIVES: Some medical patients are at greater risk of adverse outcomes than others and may benefit from higher observation hospital units. We constructed and validated a model predicting adverse hospital outcome for patients. Study results may be used to admit patients into planned tiered care units. Adverse outcome comprised death or cardiac arrest during the first 30 days of hospitalisation, or transfer to intensive care within the first 48 h of admission. SETTING: The study took place at two tertiary teaching hospitals and two community hospitals in Winnipeg, Manitoba, Canada. PARTICIPANTS: We analysed data from 4883 consecutive admissions at a tertiary teaching hospital to construct the Early Prediction of Adverse Hospital Outcome for Medical Patients (ALERT) model using logistic regression. Robustness of the model was assessed through validation performed across four hospitals over two time periods, including 65,640 consecutive admissions. OUTCOME: Receiver-operating characteristic curves (ROC) and sensitivity and specificity analyses were used to assess the usefulness of the model. RESULTS: 9.3% of admitted patients experienced adverse outcomes. The final model included gender, age, Charlson Comorbidity Index, Activities of Daily Living Score, Glasgow Coma Score, systolic blood pressure, respiratory rate, heart rate and white cell count. The model was discriminative (ROC=0.83) in predicting adverse outcome. ALERT accurately predicted 75% of the adverse outcomes (sensitivity) and 75% of the non-adverse outcomes (specificity). Applying the same model to each validation hospital and time period produced similar accuracy and discrimination to that in the development hospital. CONCLUSIONS: Used during initial assessment of patients admitted to general medical wards, the ALERT scale may complement other assessment measures to better screen patients. Those considered as higher risk by the ALERT scale may then be provided more effective care from action such as planned tiered care units.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».