MétaCan
Menu
Retour à la cohorte
Enregistrement W2472318152 · doi:10.7326/l16-0069

Accuracy of Peripheral Thermometers for Estimating Temperature

2016· letter· en· W2472318152 sur OpenAlexaffabout
Daniel J. Niven, Kevin B. Laupland, Henry T. Stelfox

Notice bibliographique

RevueAnnals of Internal Medicine · 2016
Typeletter
Langueen
DomaineMedicine
ThématiqueThermal Regulation in Medicine
Établissements canadiensRoyal Inland Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicinePeripheralInternal medicine

Résumé

récupéré en direct d'OpenAlex

Letters5 July 2016Accuracy of Peripheral Thermometers for Estimating TemperatureDaniel J. Niven, MD, MSc, PhD, Kevin B. Laupland, MD, MSc, and Henry Thomas Stelfox, MD, PhDDaniel J. Niven, MD, MSc, PhDFrom University of Calgary, Calgary, Alberta, Canada, and Royal Inland Hospital, Kamloops, British Columbia, Canada., Kevin B. Laupland, MD, MScFrom University of Calgary, Calgary, Alberta, Canada, and Royal Inland Hospital, Kamloops, British Columbia, Canada., and Henry Thomas Stelfox, MD, PhDFrom University of Calgary, Calgary, Alberta, Canada, and Royal Inland Hospital, Kamloops, British Columbia, Canada.Author, Article, and Disclosure Informationhttps://doi.org/10.7326/L16-0069 SectionsAboutFull TextPDF ToolsAdd to favoritesDownload CitationsTrack CitationsPermissions ShareFacebookTwitterLinkedInRedditEmail IN RESPONSE:Dr. Bonzi and colleagues raise 2 questions about our meta-analysis examining the accuracy of peripheral thermometers. A fundamentally important concern is the effect of interstudy heterogeneity on the clinical applicability of our pooled analyses. Although this heterogeneity was the main limitation of our meta-analysis, we believe that our pooled analyses remain clinically applicable.First, data were pooled across all studies, because our main objective was to describe peripheral thermometer accuracy. Second, we recognize that clinicians caring for different populations of patients benefit from data specific to a population or thermometer; therefore, we conducted prespecified subgroup analyses to examine ...References1. Leeflang MM, Deeks JJ, Gatsonis C, Bossuyt PM; Cochrane Diagnostic Test Accuracy Working Group.. Systematic reviews of diagnostic test accuracy. Ann Intern Med. 2008;149:889-97. [PMID: 19075208] LinkGoogle Scholar2. Kurz A, Sessler DI, Lenhardt R. Perioperative normothermia to reduce the incidence of surgical-wound infection and shorten hospitalization. Study of Wound Infection and Temperature Group. N Engl J Med. 1996;334:1209-15. [PMID: 8606715] CrossrefMedlineGoogle Scholar3. Young PJ, Saxena M, Beasley R, Bellomo R, Bailey M, Pilcher D, et al. Early peak temperature and mortality in critically ill patients with or without infection. Intensive Care Med. 2012. [PMID: 22290072] CrossrefMedlineGoogle Scholar4. Saxena M, Young P, Pilcher D, Bailey M, Harrison D, Bellomo R, et al. Early temperature and mortality in critically ill patients with acute neurological diseases: trauma and stroke differ from infection. Intensive Care Med. 2015;41:823-32. [PMID: 25643903] doi:10.1007/s00134-015-3676-6 CrossrefMedlineGoogle Scholar Author, Article, and Disclosure InformationAffiliations: From University of Calgary, Calgary, Alberta, Canada, and Royal Inland Hospital, Kamloops, British Columbia, Canada.Disclosures: Authors have disclosed no conflicts of interest. Forms can be viewed at www.acponline.org/authors/icmje/ConflictOfInterestForms.do?msNum=M15-1150. PreviousarticleNextarticle Advertisement FiguresReferencesRelatedDetailsSee AlsoAccuracy of Peripheral Thermometers for Estimating Temperature Daniel J. Niven , Jonathan E. Gaudet , Kevin B. Laupland , Kelly J. Mrklas , Derek J. Roberts , and Henry Thomas Stelfox Accuracy of Peripheral Thermometers for Estimating Temperature Mattia Bonzi , Elisa Maria Fiorelli , Monica Solbiati , Nicola Montano , and Metrics Cited byPediatric Vital Sign Distribution Derived From a Multi-Centered Emergency Department Database 5 July 2016Volume 165, Issue 1Page: 73-74KeywordsBrainFactor analysisFeversHypothermiaPatientsPopulation statisticsRandomized trialsSafetyTemperatureThermometers ePublished: 5 July 2016 Issue Published: 5 July 2016 Copyright & PermissionsCopyright © 2016 by American College of Physicians. All Rights Reserved.PDF downloadLoading ...

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,072
score de la tête « metaresearch » (Gemma)0,257
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,383

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0720,257
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,010
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,002
Communication savante0,0060,003
Science ouverte0,0020,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,380
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations137
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnals of Internal MedicineMême sujetThermal Regulation in MedicineTravaux en français237 207