Performance Analysis of a Medical Decision Algorithm to Mitigate Spread of SARS Due to Interfacility Patient Transfers
Notice bibliographique
Résumé
OBJECTIVE: To determine performance of a medical decision algorithm to mitigate spread of severe acute respiratory syndrome (SARS) from interfacility patient transfers during the Toronto SARS outbreak. METHODS: Records from the Provincial Transfer Authorization Centre and Toronto Public Health from April 1 to July 31, 2003, were linked using probabilistic methods. Authorization decision (transfer authorized or denied) and SARS status (probable case, suspect case, or patient under investigation for SARS; or non-SARS case) were obtained for linked records. Primary outcome was the number of patients where correct authorization decisions were made based on SARS status at the time of request. Secondary outcome was the number for whom, in retrospect, authorization decision was correct knowing final SARS status. Algorithm sensitivity, specificity, and predictive values were determined. RESULTS: There were 14,571 requests for transfer and 2,132 patients investigated for SARS during the study period. The algorithm authorized 14,551 and did not authorize 20 requests. Sensitivity and specificity to make appropriate authorization decisions at the time of request were 100% (95% confidence interval [CI], 77.2%-100%) and 99.95% (95% CI, 99.9-100%), respectively. Positive and negative predictive values were 65% (95% CI, 44.1%-85.9%) and 100% (95% CI, 98.4%-100%), respectively. Sensitivity and specificity, in retrospect, within ten days of the transfer request were 100% (95% CI, 80.6%-100%) and 99.97% (95% CI, 99.9%-100%), respectively. Positive and negative predictive values were 80% (95% CI, 62.5%-97.5%) and 100% (95% CI, 98.4%-100%), respectively. Seven of the 20 patients with nonauthorized requests were not known to have SARS at the time of request. Within ten days, three of seven were under investigation for, a suspect case of, or a probable case of SARS. CONCLUSIONS: The medical decision algorithm was highly sensitive and specific in correctly authorizing transfers. Despite its highly sensitive and specific algorithm, it did incorrectly deny authorization to a very small number of patients without SARS.
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) | 0,001 | 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 | 0,000 |
| 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 ».