Provisional Validation of a Pediatric Early Warning Score for Resource-Limited Settings
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The use of Pediatric Early Warning Scores is becoming widespread to identify and rapidly respond to patients with deteriorating conditions. The ability of Pediatric Early Warning Scores to identify children at high risk of deterioration or death has not, however, been established in resource-limited settings. METHODS: We developed the Pediatric Early Warning Score for Resource-Limited Settings (PEWS-RL) on the basis of expert opinion and existing scores. The PEWS-RL was derived from 6 equally weighted variables, producing a cumulative score of 0 to 6. We then conducted a case-control study of admissions to the pediatrics department of the main public referral hospital in Kigali, Rwanda between November 2016 and March 2017. We defined case patients as children fulfilling the criteria for clinical deterioration, who were then matched with controls of the same age and hospital ward. RESULTS: During the study period, 627 children were admitted, from whom we selected 79 case patients and 79 controls. For a PEWS-RL of ≥3, sensitivity was 96.2%, and specificity was 87.3% for identifying patients at risk for clinical deterioration. A total PEWS-RL of ≥3 was associated with a substantially increased risk of clinical deterioration (odds ratio 129.3; 95% confidence interval 38.8–431.6; P <.005). CONCLUSIONS: This study reveals that the PEWS-RL, a simple score based on vital signs, mental status, and presence of respiratory distress, was feasible to implement in a resource-limited setting and was able to identify children at risk for clinical deterioration.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».