Abstract 124: Patient Condition Adaptive Path System of Kawasaki Disease
Notice bibliographique
Résumé
Background: In Japan, 2 guidelines are published, the clinical guidelines for medical treatment of acute stage Kawasaki disease(KD)(2012) and guidelines for diagnosis and management of cardiovascular sequelae in KD(2013). Patient Condition Adaptive Path System (PCAPS) is a technique to structure clinical knowledge. It places “patient condition” as a core, to which multiple “target conditions” are linked. On the other hand, patients of KD ware focused the severity of the disease and therapeutic strategy influences the improvement. Purpose: The purpose is confirming the PCAPS KD contents, which complied two Japanese Guidelines and to evaluate adaption of the contents. Methods: PCAPS content is composed of Clinical Process Chart (CPC) and Unit Sheet (US).CPC is an overhead view of clinical path consisting of a chain of units. CPC was made according the guidelines, and coronary evaluation, CHF, cardiac catheterization and ACS unit can activate on time. CPC stratify the patient’s severity. US are composed of specific healthcare tasks in a unit. Results: We confirm PCAPS KD contents on the base of 2 guidelines. We can evaluate diagnostic process and severity of KD by route analysis using CPC (figure). We can visualize relationship between treatments and severity by US. US are effective to support the decision on treatment and examinations. From the analysis, there are no lack of the unit and route, and confirm the advice to decision making. Conclusions: PCAPS can easily analyze the severity and clinical process from CPC route analysis because PCAPS is electrical path which can automatically store the data of each hospital. From US data, there are possibilities to find new severity score.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».