Effects of Medical Transport on Outcomes in Children Requiring Intensive Care
Notice bibliographique
Résumé
Background and Objectives: The need to centralize patients for specialty care in the setting of regionalization may delay access to specialist services and compromise outcomes, particularly in a large geographic area. The aim of this study was to explore the effects of interhospital transferring of children requiring intensive care in a Canadian regionalization model. Methods: A retrospective cohort design with a matched pair analysis was adopted to compare the outcomes in children younger than 17 years admitted to a pediatric intensive care unit (PICU) of a Canadian children’s hospital by a specialized transport team (pediatric critical care transported [PCCT] group) and those children admitted directly to PICU from its pediatric emergency department (PED group). The outcomes of interest included mortality 72 hours from initial contact with the critical care team (ie, either PICU transport team or intrahospital PICU team). Results: In total, 680 (27%) transports met our inclusion criteria, whereas 866 (7%) cases of 11 570 total PICU admissions were admitted directly from the emergency department. A total of 493 pairs were formed for the matched analyses. Odds of mortality within 72 hours in the PCCT group were significantly higher than in the PED group (odds ratio [OR]: 2.18, 95% confidence interval [CI]: 1.07-4.45; P = .032). When excluding cases who had at least one episode of cardiac arrest before involvement of the pediatric critical care (PCC) transport team, the OR dropped to 1.66 (95% CI: 0.77-3.46). Conclusions: Children transported from nonpediatric hospitals had a higher 72-hour mortality when compared to those children admitted directly to a children’s hospital PICU from its own PED in a Canadian regionalized health-care model.
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 | 0,000 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».