Exploring the Predictors of Emergency Department Triage Acuity Assignment in Patients With Sepsis
Notice bibliographique
Résumé
Background and purpose Evidence suggests that septic patients, who require prompt medical attention, may be undertriaged, resulting in delayed treatment. The purpose of this study was to examine patient and contextual variables that contribute to high- versus low-acuity triage classification of patients with sepsis. Methods Data were abstracted from the medical records of 154 adult patients with sepsis admitted to hospital through a Canadian Emergency Department. Logistic regression was used to explore the predictors of triage classification. Results Language barriers or chronic cognitive impairment (odds ratio 5.7; 95% confidence interval 2.15, 15.01), acute confusion (odds ratio 3.4; confidence interval 1.3, 8.2), unwell appearance (odds ratio 3.4; 95% confidence interval 1.7, 7.0), and hypotension (odds ratio 0.98; confidence interval 0.96, 1.0) were predictive of higher acuity classification. Temperature, heart rate, respiratory rate, and contextual factors were not related to triage classification. Conclusions Several patient-related factors were related to triage classification. However, the finding that temperature and heart and respiratory rates were not related to triage classification was troubling. Our findings point to a need for enhanced education for triage nurses regarding the physiological indices of sepsis. The sensitivity of the Canadian Triage Assessment Scale, used in Canadian Emergency Rooms, also needs to be examined.
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 | 0,001 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».