Redefining Success in the PICU: New Patient Populations Shift Targets of Care
Notice bibliographique
Résumé
Over the last 3 decades, mortality rates of children admitted to PICUs in North America have declined significantly.1 By this measure alone, PICUs have been extremely successful, offering children the best possibility for survival and recovery after life-threatening trauma and illness. Yet as mortality rates have declined, the PICU patient population has become steadily more complex. A recent analysis of admissions across 54 PICUs in the United States ( n = 52 791) revealed that 53% of critically ill children had underlying chronic, complex illnesses.2 This finding is supported by a secondary analysis of a national administrative database in the United States that revealed comorbid illness among critically ill children increased from 35% in 1997 to 41% in 2006.3 The emergence of this new population of critically ill children reflects the medical and technological advances of recent decades.1 What do we mean by children with chronic, complex illness, and how do they impact the provision of critical care? This population has been defined as children with severe antecedent disorders; children with medical complexity, such as neuromuscular conditions and neurologic impairment; children with special health care needs; and children with a chronic comorbid illness, such as cardiovascular disease. What they have in common is a greater risk of PICU admission if they become acutely ill, along with extensive medical needs that continue long after the illness that brings them to the PICU is resolved. They are typically technology dependent, requiring a medical device to maintain body functions necessary to sustain life. Family members act … Address correspondence to Janet E. Rennick, RN, MScN, PhD, Department of Nursing, Room A-405, The Montreal Children’s Hospital, 2300 rue Tupper, Montreal, Quebec, Canada, H3H 1P3. E-mail: janet.rennick{at}muhc.mcgill.ca
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,009 | 0,017 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».