The Interrater Reliability of a Validated Bronchiolitis Severity Assessment Tool
Notice bibliographique
Résumé
BACKGROUND: We previously constructed and tested a bronchiolitis severity assessment tool in 2 independent hospitals. The model uses age, work of breathing, dehydration and tachycardia to successfully predict disease severity. OBJECTIVE: To prospectively measure the interrater reliability of a bronchiolitis severity assessment tool and of its component variables. DESIGN: Prospective observational survey. SETTING: A county teaching hospital emergency department serving a mixed urban and rural population with an emergency medicine residency program in 2-3-4 format. SUBJECTS: Thirty-two physicians evaluated a convenience sample of children aged less than 18 months presenting to the emergency department with a clinical diagnosis of bronchiolitis during a single season. METHODS: Two physicians independently examined each patient. Each physician completed a physical examination template that included the variables used in the severity assessment tool. Interrater agreement was measured for the variables work of breathing and dehydration and for the tool as a whole using a weighted kappa statistic. RESULTS: One hundred and forty-six cases were enrolled. Twenty-five were dropped for incomplete data collection. The actual weighted agreement on overall classification was 92%; expected, 73%, kappa = 0.676; P < 0.0001. The actual weighted agreement for dehydration was at 95%; expected, 92%, kappa = 0.305; P = 0.0001. The agreement for work of breathing was 95%; expected, 86%; kappa = 0.611; P < 0.0001. The overall model showed better interrater reliability than its individual components. CONCLUSIONS: Overall interrater reliability for this bronchiolitis severity assessment tool is substantial.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».