A systematic review of tools for predicting severe adverse events following patient discharge from intensive care units
Notice bibliographique
Résumé
INTRODUCTION: The discharge of patients from the intensive care unit (ICU) to a hospital ward is a common transition of care that is associated with error and adverse events. Risk stratification tools may help identify high-risk patients for targeted interventions, but it is unclear if proper tools have been developed. METHODS: We searched Ovid EMBASE, Ovid MEDLINE, CINAHL, PUBMED and Cochrane Central Register of Controlled Trials from the earliest available date through March 2013, plus reference lists and citations of all studies included in the systematic review. Cohort studies were selected that described the derivation, validation or clinical impact of tools for predicting medical emergency team activation, ICU readmission or mortality following patient discharge from the ICU. Data were extracted on the study design, setting, population, sample size, tool (components, measurement properties) and outcomes. RESULTS: The literature search identified 9,926 citations, of which eight studies describing eight tools met the inclusion criteria. Reported outcomes included ICU readmission (n=4 studies), hospital mortality (n=3 studies) and both ICU readmission and hospital mortality (n=1 studies). Seven of the tools were comprised of distinct measurable component variables, while one tool used subjective scoring of patient risk by intensive care physicians. The areas under receiver operator curves were reported for all studies and ranged from 0.66 to 0.92. A single study provided a direct comparative analysis between two tools. We did not find any studies evaluating the impact of risk prediction on processes and outcomes of care. CONCLUSIONS: Eight risk stratification tools for predicting severe adverse events following patient discharge from ICU have been developed, but have undergone limited comparative evaluation. Although risk stratification tools may help clinician decision-making, further evaluation of the existing tools' effects on care is required prior to clinical implementation.
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 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| 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) | 0,000 | 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 ».