The Contribution of the Subjective Component of the Canadian Pulmonary Embolism Score to the Overall Score in Emergency Department Patients
Notice bibliographique
Résumé
BACKGROUND: Clinicians frequently use their experience to determine the pretest probability of pulmonary embolism (PE), although scoring systems are promoted as being more reliable. The Canadian Pulmonary Embolism Score (CPES) combines six objective questions and one subjective question. The CPES has been validated and appears to be useful for risk-stratifying patients. However, research suggests that subjective gestalt performs similarly to the CPES, and the influence of the subjective question on the predictive value of the CPES is not clear. OBJECTIVES: To determine the test characteristics of the CPES, its subjective question, and the degree to which the predictive value of the CPES is influenced by its individual questions. METHODS: The authors performed a prospective observational study on a cohort of emergency department patients suspected of having PE. The authors compared patients' CPES results with the diagnosis of PE, calculated the test characteristics of the CPES, and determined the contribution of individual CPES questions to the score's overall predictive value. RESULTS: Of 607 patients, 61 (10%) had PE. Of low-risk patients (CPES < or =4), 5.54% (n = 449; 95% confidence interval [95% CI] = 3.64% to 8.11%) had PE. The sensitivity (59.0%; 95% CI = 47.4% to 69.8%) and the negative predictive value (94.4%; 95% CI = 92.8% to 95.9%) of the CPES were similar to the sensitivity (53.2%; 95% CI = 40.2% to 65.8%) and negative predictive value (93.5%; 95% CI = 90.7% to 95.5%) of the subjective question alone. In multivariable analysis, nearly all of the predictive value of the CPES was derived from the subjective question. CONCLUSIONS: The predictive value of the CPES appears to be derived primarily from its subjective component.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».