The Canadian Paediatric Triage and Acuity Scale algorithm for interfacility transport
Notice bibliographique
Résumé
OBJECTIVE: Determining pediatric severity of illness in referring centers may be useful for establishing appropriate patient disposition and interfacility transport. For this retrospective review, the authors evaluated the Canadian Paediatric Triage and Acuity Scale (PaedCTAS) tool in regards to individual patient disposition and outcomes. METHODS: A disposition score using the PaedCTAS algorithm was retrospectively calculated from referring center data at the time our transport team was consulted. Data included children < 17 years transported to our tertiary pediatric center between April 2013 and March 2014. Patients were excluded if transported because of elective or planned interventions, investigations, and/or treatment. RESULTS: A total of 194 pediatric patients were identified, with 49 requiring a pediatric intensive care unit (PICU) admission. A PaedCTAS assessment of 1 was the only transport characteristic evaluated that was significantly associated (odds ratio [OR] 6.15; p < 0.0001) with PICU admissions, with an area under the receiver-operating characteristic curve of 0.72 (95% CI 0.64, 0.77). On multivariate analysis, a PaedCTAS assessment of 1 was also associated with a length of hospital stay greater than 3 days (OR 1.81; 95% CI 0.99, 3.31; p = 0.05). CONCLUSIONS: A PaedCTAS assessment of 1 may be a reasonable predictor for PICU admissions and longer hospitalizations when calculated in referral centers at time of pediatric transport consultation. PaedCTAS assessments may provide useful adjuvant information for specialized pediatric transport programs.
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 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 | 0,000 |
| 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 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».