Impact of a web-based clinical decision-support system on pulmonary embolism diagnoses
Notice bibliographique
Résumé
IntroductionPulmonary embolism (PE) is a disease that offers a diagnostic challenge for physicians. Literature suggests a gap remains between PE diagnostic guidelines and adherence to such guidelines in practice. While computerized decision support systems (CDSS) for PE exist, evidence is lacking on their impact in clinical settings.
 Objectives and ApproachThe objective is to evaluate the impact of a web-based PE-CDSS on physician adherence to diagnostic guidelines by collecting and linking chart review data, hospital administrative data, and PE-CDSS usage data from six months before and after the CDSS is deployed. This CDSS was integrated into an electronic medical record system and deployed at two inpatient hospital sites in early 2018. Pre- and post-intervention workups are assigned a score based on their adherence to PE diagnostic guidelines, then compared. Data from a third hospital site with no access to the PE-CDSS will be used as a control.
 ResultsPreliminary results will be available by mid-2018. Based on previous research, the investigators expect to see increased provider adherence to diagnostic guidelines for PE in settings where the PE-CDSS was deployed.
 Conclusion/ImplicationsImplementing a PE-CDSS may increase provider adherence to evidence-based diagnostic guidelines by providing supportive information about PE diagnosis and addressing uncertainties about clinical decision making. This could result in greater diagnostic accuracy for PE and improved outcomes for patients with suspected PE.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».