The use of combined physiological parameters in the early recognition of the deteriorating acute medical patient
Notice bibliographique
Résumé
BACKGROUND: Early warning scores (EWS) are widely used to allow early recognition of the deteriorating patient. We aimed to test their ability to predict major deterioration in medical patients. METHODS: Two cohorts were prospectively identified who were admitted to an acute medical admissions unit and to the respiratory unit but not admitted to the intensive care unit (ICU): medical-non ICU and respiratory-non ICU groups. Two further cohorts were retrospectively identified that required ICU admission from these units (medical-ICU and respiratory-ICU groups). Discriminant analysis and receiver operating characteristic curves were used to discriminate between groups, and time relationships were analysed. RESULTS: Heart rate (HR) and respiratory rate (RR) were significantly higher--and oxygen saturation (SaO₂) significantly lower--in the medical-ICU group as compared with the medical non-ICU group, and in the respiratory-ICU group as compared with [corrected] the respiratory-non ICU group. Discriminant functions incorporating HR, RR and SaO₂ performed at least as well as existing EWS systems in predicting ICU admission. CONCLUSIONS: Commonly used physiological parameters and existing EWS systems are useful at identifying sick patients. The discriminant functions described here appear to have a role in this setting but require validation in future studies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».