MétaCan
Menu
Retour à la cohorte
Enregistrement W2066620284 · doi:10.1017/s0266462307080142

Value of Information of a clinical prediction rule: Informing the efficient use of healthcare and health research resources

2008· article· en· W2066620284 sur OpenAlexaffabout
Sonia Singh, Bohdan Nosyk, Huiying Sun, James M. Christenson, Grant Innes, Aslam H. Anis

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensPeace Arch HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEmergency departmentMedicineClinical prediction ruleValue of informationHealth careValue (mathematics)Intervention (counseling)Clinical judgmentMedical emergencyCost effectivenessCost–benefit analysisAcute coronary syndromeActuarial scienceEmergency medicineComputer scienceRisk analysis (engineering)NursingBusinessEconomicsArtificial intelligenceMedical physics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The aim of this study was to estimate the potential cost-effectiveness and expected value of perfect information of a recently derived clinical prediction rule for patients presenting to emergency departments with chest discomfort. METHODS: A decision analytic model was constructed to compare the Early Disposition Prediction Rule (EDPR) with the current standard of care. Results were used to calculate the potential cost-effectiveness of the EDPR, as well as the Value of Information in conducting further research. Study subjects were adults presenting with chest discomfort to two urban emergency departments in Vancouver, British Columbia, Canada. The clinical prediction rule identifies patients who are eligible for early discharge within 3 hours of presentation to the emergency department. The outcome measure used was inappropriate emergency department discharge of patients with acute coronary syndrome (ACS). RESULTS: The incremental cost-effectiveness ratio of the EDPR in comparison to usual care was (negative) $2,999 per inappropriate ACS discharge prevented, indicating a potential cost-savings in introducing the intervention. The expected value of perfect information was $16.3 million in the first year of implementation, suggesting a high benefit from conducting further research to validate the decision rule. CONCLUSIONS: The EDPR is likely to be cost-effective; however, given the high degree of uncertainty in the estimates of costs and patient outcomes, further research is required to inform the decision to implement the intervention. The potential health and monetary benefits of this clinical prediction rule outweigh the costs of doing further research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,052
score de la tête « metaresearch » (Gemma)0,238
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,272

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0520,238
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0000,002
Communication savante0,0050,004
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,264
Tête enseignante GPT0,543
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology Assessment in Health CareMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207