Pediatric Transport Triage
Notice bibliographique
Résumé
OBJECTIVES: We developed a Pediatric Transport Triage Tool (PT3) to objectively guide selection of team composition and transport mode, thereby standardizing transport planning. Previously, modified Pediatric Early Warning Score for transport has been used to assess illness severity but not to guide transport decision making. METHODS: The PT3 was created for pediatric transport by combining objective evaluations of neurologic, cardiovascular, and respiratory systems with a systems-based medical condition list to identify diagnoses requiring expedited transport and/or advanced team composition not captured by neurologic, cardiovascular, and respiratory systems alone. A scoring algorithm was developed to guide transport planning. Transport data (mode, team composition, time to dispatch, patient disposition, and complications) were collected before and after PT3 implementation at a single tertiary care center over an 18-month period. RESULTS: We reviewed 2237 inbound pediatric transports. Transport mode, patient disposition, and dispatch time were unchanged over the study period. Fewer calls using a transport nurse were noted after PT3 implementation (33.9% vs 30%, P = 0.05), with a trend toward fewer rotor-wing transports and transports requiring physicians. The majority of users, regardless of experience level, reported improved transport standardization with the tool. Need to upgrade team composition or mode during transport was not different during the study period. No adverse patient safety events occurred with PT3 use. CONCLUSIONS: The PT3 represents an objective triage tool to reduce variability in transport planning. The PT3 decreased resource utilization and was not associated with adverse outcomes. Teams with dynamic staffing models, various experience levels, and multiple transport modes may benefit from this standardized assessment tool.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,004 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».