Early Warning Scores to Predict Noncritical Events Overnight in Hospitalized Medical Patients: A Prospective Case Cohort Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Physicians are often called to evaluate patients overnight with varying levels of clinical deterioration. Early warning scores predict critical clinical deterioration in patients; however, it is unknown whether they are able to reliably predict which patients will need to be seen overnight and whether these patients will require further resource use. METHODS: A prospective case cohort study of 522 patient nights in a single tertiary care hospital in Vancouver, British Columbia, Canada, was conducted to assess the ability of Modified Early Warning Score (MEWS) and National Early Warning Score (NEWS) to predict patients who will need to be seen overnight by physicians and will require other healthcare resources. Prediction ability was assessed using area under the receiver operating characteristic curve and logistic regression models. RESULTS: The MEWS and NEWS both significantly predicted which patients needed to be seen overnight, and area under the receiver operating characteristic curves (95% confidence interval) for MEWS and NEWS were 0.72 (0.66-0.78) and 0.69 (0.63-0.76), respectively. Odds ratios (95% confidence interval) for MEWS and NEWS predicting need to be seen overnight were 1.52 (1.34-1.73) and 1.22 (1.14-1.31), respectively. CONCLUSIONS: Both MEWS and NEWS have fair ability to predict patients who will need to be seen overnight. This may be useful for improving handover and resource allocation for overnight care.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle