PRAM Score as Predictor of Pediatric Asthma Hospitalization
Notice bibliographique
Résumé
OBJECTIVES: The objective was to determine the association between asthma severity as measured by the Pediatric Respiratory Assessment Measure (PRAM) score and the likelihood of admission for pediatric patients who present to the emergency department (ED) with moderate-to-severe asthma exacerbations and who receive intensive asthma therapy. METHODS: This was a secondary analysis of a prospective study of triage nurse-initiated steroid therapy in pediatric asthma. Children aged 2 to 17 years inclusive, presenting with moderate-to-severe acute asthma exacerbations (defined as PRAM ≥ 4), were included. To be eligible for inclusion in the study, children must have received "intensive asthma therapy," defined as nurse-initiated initial bronchodilator and oral steroid therapy at arrival to triage. PRAM scores were measured hourly as per ED protocol. The primary outcome was inpatient hospitalization; secondary outcome was ED stay greater than 8 hours. Logistic regression models were used to predict admission based on PRAM score at triage and then hourly thereafter. The area under the receiver operating characteristic curve (AUC) was calculated for each hour. RESULTS: A total of 297 patients were included in the analysis, with an admission rate of 11.4% for patients receiving intensive therapy. The 3-hour PRAM (AUC = 0.85) significantly improved prediction of admission compared to PRAM at triage (p = 0.04). CONCLUSIONS: The 3-hour PRAM scores best predicts the need for hospitalization. These results may be applied in clinical settings to facilitate the decision to admit or initiate more aggressive adjunctive therapy to decrease the need for hospitalization.
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 | 0,002 |
| 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) | 0,002 | 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 ».