MétaCan
Menu
← Retour à la cohorte
Enregistrement W2804479728 · doi:10.1093/pch/pxy054.037

Anticipating pediatric patient transfers from intermediate to intensive care

2018· article· en· W2804479728 sur OpenAlexaff
Daryl R. Cheng, Caitlyn Hui, Kate Langrish, Carolyn E Beck

Notice bibliographique

RevuePaediatrics & Child Health · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensUniversity of TorontoHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineVital signsEarly warning scoreEmergency medicinePediatricsPediatric intensive care unitRespiratory rateIntensive care medicineHeart rateInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND Paediatric intermediate care units (IC) function to provide a higher level of inpatient paediatric care such as frequent monitoring or nursing intervention compared to routine inpatient general paediatric care. A small subset of these patients in IC deteriorate further and require transfer to the paediatric intensive care unit (PICU). By identifying patient characteristics at the time of admission that predict secondary transfer, specific monitoring, resource allocation and early intervention may be implemented in order to improve quality of care. Appropriate and timely patient flow and length of stay (LOS) can also be optimized. DESIGN/METHODS The IC at our tertiary care institution admits predominantly general paediatric patients. Its admission criteria have been designed with input from stakeholders, and comprise a range of physiologic and resource based measures. Data were collected on patients who were admitted to IC, including those subsequently transferred to PICU, between July 2016 - June 2017. Patients whose index IC admission was from the PICU were excluded. Data included demographic and physiologic characteristics (heart rate, respiratory rate, temperature, oxygen therapy) and the bedside paediatric early warning system (BPEWS) score, a validated score based on vital signs. Quantitative and qualitative data were analyzed using Fisher and Mann-Whitney tests respectively. RESULTS 210 patient visits occurred in this time period, with 44 (20.95%) transferred to PICU (Table 1). Transferred patients showed no significant difference in age or sex. However, they had significantly higher median BPEWS, heart rate, respiratory rate and mean body temperature compared to non-transferred patients, as well as a significantly higher rate of respiratory support and shorter LOS on IC. There was a non-significant trend toward admission directly from the Emergency Department (ED) in transferred patients. Admission criteria and main organ systems affected were similar amongst both groups, with a predominance of respiratory conditions. PICU transfer was predicted by most physiological characteristics, including BPEWS. This coupled with a significantly shorter length of stay is a likely reflection of higher disease acuity in this group of patients and higher risk of deterioration and subsequent transfer to PICU. CONCLUSION The need for close monitoring of physiologic parameters remains paramount in predicting the need for transfer from the IC to PICU.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,307
Écart entre enseignants0,289 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetEmergency and Acute Care Studies→Travaux en français237 207→