Errors, Omissions, and Outliers in Hourly Vital Signs Measurements in Intensive Care
Notice bibliographique
Résumé
OBJECTIVE: To empirically examine the prevalence of errors, omissions, and outliers in hourly vital signs recorded in the ICU. DESIGN: Retrospective analysis of vital signs measurements from a large-scale clinical data warehouse (Multiparameter Intelligent Monitoring in Intensive Care III). SETTING: Data were collected from the medical, surgical, cardiac, and cardiac surgery ICUs of a tertiary medical center in the United States. PATIENTS: We analyzed data from approximately 48,000 ICU stays including approximately 28 million vital signs measurements. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: We used the vital sign day as our unit of measurement, defined as all the recordings from a single patient for a specific vital sign over a single 24-hour period. Approximately 30-40% of vital sign days included at least one gap of greater than 70 minutes between measurements. Between 3% and 10% of blood pressure measurements included logical inconsistencies. With the exception of pulse oximetry vital sign days, the readings in most vital sign days were normally distributed. We found that 15-38% of vital sign days contained at least one statistical outlier, of which 6-19% occurred simultaneously with outliers in other vital signs. CONCLUSIONS: We found a significant number of missing, erroneous, and outlying vital signs measurements in a large ICU database. Our results provide empirical evidence of the nonrepresentativeness of hourly vital signs. Additional studies should focus on determining optimal sampling frequencies for recording vital signs in the ICU.
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 | 0,040 | 0,273 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».