MétaCan
Menu
Retour à la cohorte
Enregistrement W2100328560 · doi:10.1136/emermed-2013-202421

How do emergency physicians make discharge decisions?

2013· article· en· W2100328560 sur OpenAlexaff
Lisa A. Calder, Trevor Arnason, Christian Vaillancourt, Jeffrey J. Perry, Ian G. Stiell, Alan J. Forster

Notice bibliographique

RevueEmergency Medicine Journal · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesSociety for Academic Emergency Medicine
Mots-clésMedicineMedical emergencyIntensive care medicineEmergency medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: One of the most important decisions that emergency department (ED) physicians make is patient disposition (admission vs discharge). OBJECTIVES: To determine how ED physicians perceive their discharge decisions for high-acuity patients and the impact on adverse events (adverse outcomes associated with healthcare management). METHODS: We conducted a real-time survey of staff ED physicians discharging consecutive patients from high-acuity areas of a tertiary care ED. We asked open-ended questions about rationale for discharge decisions and use of clinical judgement versus evidence. We searched for 30-day flagged outcomes (deaths, unscheduled admissions, ED or clinic visits). Three trained blinded ED physicians independently reviewed these for adverse events and preventability. We resolved disagreements by consensus. We used descriptive statistics and 95% CIs. RESULTS: We interviewed 88.9% (32/36) of possible ED physicians for 366 discharge decisions. Respondents were mostly male (71.9%) and experienced (53.1% >10 years). ED physicians stated they used clinical judgement in 87.6% of decisions and evidence in 12.4%. There were 69 flagged outcomes (18.8%) and 10 adverse events (2.7%, 95% CI 1.1 to 4.5%). All adverse events were preventable (1 death, 4 admissions, 5 return ED visits). No significant associations occurred between decision-making rationale and adverse events. CONCLUSIONS: Experienced ED physicians most often relied on clinical acumen rather than evidence-based guidelines when discharging patients from ED high-acuity areas. Neither approach was associated with adverse events. In order to improve the safety of discharge decisions, further research should focus on decision support solutions and feedback interventions.

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)0,015
score de la tête « metaresearch » (Gemma)0,160
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,160
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,047
Tête enseignante GPT0,362
Écart entre enseignants0,314 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations113
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEmergency Medicine JournalMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207