MétaCan
Menu
Retour à la cohorte
Enregistrement W2898056872 · doi:10.1097/ccm.0000000000003473

Estimating ICU Benefit: A Randomized Study of Physicians

2018· article· en· W2898056872 sur OpenAlexaff
Thomas S. Valley, Andrew J. Admon, Darin B. Zahuranec, Allan Garland, Angela Fagerlin, Theodore J. Iwashyna

Notice bibliographique

RevueCritical Care Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésMedicineVignetteRandomized controlled trialIntensive care unitSeverity of illnessIntensive careIllness severityIntraclass correlationEmergency medicineIntensive care medicineNursingInternal medicinePsychometrics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The distinction between overuse and appropriate use of the ICU hinges on whether a patient would benefit from ICU care. We sought to test 1) whether physicians agree about which types of patients benefit from ICU care and 2) whether estimates of ICU benefit are influenced by factors unrelated to severity of illness. DESIGN: Randomized study. SETTING: Online vignettes. SUBJECTS: U.S. critical care physicians. INTERVENTIONS: Physicians were provided with eight vignettes of hypothetical patients. Each vignette had a single patient or hospital factor randomized across participants (four factors related and four unrelated to severity of illness). MEASUREMENTS AND MAIN RESULTS: The primary outcome was the estimate of ICU benefit, assessed with a 4-point Likert-type scale. In total, 1,223 of 8,792 physicians volunteered to participate (14% recruitment rate). Physician agreement of ICU benefit was poor (mean intraclass correlation coefficient for each vignette: 0.06; range: 0-0.18). There were no vignettes in which more than two thirds of physicians agreed about the extent to which a patient would benefit from ICU care. Increasing severity of illness resulted in greater estimated benefit of ICU care. Among factors unrelated to severity of illness, physicians felt ICU care was more beneficial when told one ICU bed was available than if ICU bed availability was unmentioned. Physicians felt ICU care was less beneficial when family was present than when family presence was unmentioned. The patient's age, but not race/ethnicity, also impacted estimates of ICU benefit. CONCLUSIONS: Estimates of ICU benefit are widely dissimilar and influenced by factors unrelated to severity of illness, potentially resulting in inconsistent allocation of ICU care.

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)0,020
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,045
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,021
Tête enseignante GPT0,352
Écart entre enseignants0,331 · 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'étudeEssai randomisé
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

Citations37
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207