Best Guess method: A further external validation study and comparison with other methods
Notice bibliographique
Résumé
OBJECTIVE: Validation of the 'Best Guess' weight estimation method on a geographically divergent external sample of children, plus comparison with APLS and Broselow weight estimation methods. METHODS: Prospective cross-sectional analytical study at Princess Margaret Hospital Emergency Department. A convenience sample of children aged 0-14 years recruited from May to June 2008. Age, sex, ethnicity, height and actual weight obtained. Agreement between the methods is reported as a comparative mean and distribution of the percentage error, plus the proportion of instances where the error exceeded 20% of the measured weight. RESULTS: A total of 1235 children were included. The 'Best Guess' method was the most accurate, particularly in children aged 1-4 years (mean percentage error +1.69%). In other age groups it overestimated weight, with mean percentage errors ranging from 3.41% to 6.25%. Across all age groups the Broselow method was most precise, with tendency to underestimate weight across age groups with mean percentage errors ranging from -5.28% to -7.24%. The APLS method was least accurate and precise, with mean percentage errors ranging from -12.61% to -17.36%. Net weight underestimation errors exceeding 20% were associated with increased mean body mass index. CONCLUSION: The Best Guess weight estimation method is accurate, especially in children aged 1-4 years. It moderately overestimates weight in other ages. The Broselow method was more precise, whereas the APLS method was the least accurate and precise of all. The ease of use of the Broselow method argues for greater use in the ED and prehospital setting.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,008 | 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 ».