Accuracy of Peripheral Thermometers for Estimating Temperature
Notice bibliographique
Résumé
BACKGROUND: Body temperature is commonly used to screen patients for infectious diseases, establish diagnoses, monitor therapy, and guide management decisions. PURPOSE: To determine the accuracy of peripheral thermometers for estimating core body temperature in adults and children. DATA SOURCES: MEDLINE, EMBASE, Cochrane Central Register of Controlled Trials, and CINAHL Plus from inception to July 2015. STUDY SELECTION: Prospective studies comparing the accuracy of peripheral (tympanic membrane, temporal artery, axillary, or oral) thermometers with central (pulmonary artery catheter, urinary bladder, esophageal, or rectal) thermometers. DATA EXTRACTION: 2 reviewers extracted data on study characteristics, methods, and outcomes and assessed the quality of individual studies. DATA SYNTHESIS: 75 studies (8682 patients) were included. Most studies were at high or unclear risk of patient selection bias (74%) or index test bias (67%). Compared with central thermometers, peripheral thermometers had pooled 95% limits of agreement (random-effects meta-analysis) outside the predefined clinically acceptable range (± 0.5 °C), especially among patients with fever (-1.44 °C to 1.46 °C for adults; -1.49 °C to 0.43 °C for children) and hypothermia (-2.07 °C to 1.90 °C for adults; no data for children). For detection of fever (bivariate random-effects meta-analysis), sensitivity was low (64% [95% CI, 55% to 72%]; I2 = 95.7%; P < 0.001) but specificity was high (96% [CI, 93% to 97%]; I2 = 96.3%; P < 0.001). Only 1 study reported sensitivity and specificity for the detection of hypothermia. LIMITATIONS: High-quality data for some temperature measurement techniques are limited. Pooled data are associated with interstudy heterogeneity that is not fully explained by stratified and metaregression analyses. CONCLUSION: Peripheral thermometers do not have clinically acceptable accuracy and should not be used when accurate measurement of body temperature will influence clinical decisions. PRIMARY FUNDING SOURCE: None.
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 | 0,084 | 0,319 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,014 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».