Optimizing Ambulance Transport of Hemodialysis Patients to the Emergency Department: A Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Dialysis patients who require ambulance transport to the emergency department ("ambulance-ED") may subsequently require timely dialysis in a monitored setting ("urgent dialysis"). OBJECTIVE: The purpose of this study was to develop and internally validate a risk prediction model for urgent dialysis based on patient characteristics at the time of paramedic assessment before ambulance-ED. DESIGN: Cohort Study. SETTING: Region of Nova Scotia, Canada, covered by a single emergency medical services provider. PATIENTS: Thrice-weekly hemodialysis patients who initiated dialysis between 2009 and 2013 (follow-up to 2015) and experienced one or more ambulance-ED events. MEASUREMENTS: The primary outcome ("urgent dialysis") was defined as dialysis within 24 hours of an ambulance-ED in a monitored setting or dialysis within 24 hours of an ambulance-ED with an initial ED potassium of >6.5 mmol/L. Predictors of urgent dialysis based on paramedic assessment before ambulance-ED included presenting complaint, vital signs and time from last dialysis to ambulance dispatch. METHODS: Associations with urgent dialysis were analyzed using logistic regression from which a risk prediction model was created. The model was internally validated using bootstrapping and model performance was assessed by discrimination and calibration. RESULTS: Among 197 patients, there were 624 ambulance-ED events and 87 episodes of urgent dialysis. Weakness as a presenting complaint (odds ratio [OR]: 4.62, 95% confidence interval [CI]: 1.23-17.29), >24 hours since last dialysis (OR: 2.09, 95% CI: 1.15-3.81), and vital signs, including heart rate <60 beats/minute (OR: 3.06, 95% CI: 1.09-8.61), oxygen saturation <90% (OR: 3.04, 95% CI: 1.55-5.94), elevated respiratory rate (≥20 breaths/min), and systolic blood pressure>160 mmHg, were associated with urgent dialysis after ambulance-ED. A risk prediction model incorporating these variables had very good discrimination (C-statistic: 0.81, 95% CI: 0.76-0.86). The negative predictive value was 93.6% using the optimal cut point. Of patients who were predicted to need urgent dialysis but were transported to a facility incapable of providing it, 31% were re-transported for urgent dialysis. LIMITATIONS: Findings of our study may not be generalizable to other centers where the practice of ambulance transfer and availability of monitored dialysis may differ, and data were lacking for potential missed dialysis sessions or changes in routine dialysis scheduling. CONCLUSIONS: Patient characteristics at the time of paramedic assessment are associated with urgent dialysis after ambulance-ED. This risk prediction model has the potential to guide dialysis patient transport to dialysis-capable facilities when needed.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».