Effectiveness of a Training Course on Accuracy of Triaging of Pediatric Patients
Notice bibliographique
Résumé
BACKGROUND: In the context of a new but busy Pediatric Emergency Department, the risk of missing patients who need more emergent care can be reduced by timely and accurate triaging. In the emergency department of King Fahad Armed Forces Hospital, the Canadian Triage and Acuity Scale had already been implemented, including the pediatric version (PaedCTAS). However, a common observation remained that critical patients did not always receive priority with subsequent delays in management. To improve this accuracy, a training course was administered to health care professionals responsible for triaging of pediatric patients. AIM: To determine the effectiveness of a training course on accuracy of triaging of Pediatric Patients. METHODS: A triage training course was conducted over two months, with patient encounter sheets reviewed before the course for 6 months and after the course for 12 months. Accuracy was calculated by comparing it to level as determined by two pediatric emergency physicians. Also, admission rates were used as a surrogate marker to also determine accuracy. RESULTS: A total of 31 053 patient sheets were reviewed. There was a considerable improvement in the correct determination of all triage levels, with accuracy ranging from 56.5% to 78.3% before the course, and reaching from 79.1% to 90.8% after the course with a statistically significant difference. Triaging errors still present were mainly in the form of down-triage. CONCLUSION: Our training course in triage has a significant impact on the accuracy of triaging of ill pediatric patients. Further improvement can be obtained by repeated courses and direct feedback with debriefing sessions on challenges to triage level determination.
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 | 0,005 | 0,003 |
| 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 | 0,001 |
| Science ouverte | 0,002 | 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 ».