Anticipating Pediatric Patient Transfers From Intermediate to Intensive Care
Notice bibliographique
Résumé
OBJECTIVES: To explore characteristics of patients who were admitted to the intermediate care (IC) unit at a tertiary academic institution. In particular, we sought to compare the characteristics of IC patients who were transferred with the characteristics of those who were not transferred to PICU care and evaluate predictors of patient transfer. METHODS: Data were collected on all admitted IC patients between July 2016 and June 2018. Patients whose index IC admission was from the PICU were excluded. Data collected included demographics and physiologic characteristics: heart rate, respiratory rate, temperature, oxygen therapy, as well as Bedside Pediatric Early Warning System (BPEWS) score. RESULTS: In this time period, 427 eligible patient visits occurred, with 66 patients (15.46%) being transferred to the PICU. Patients were commonly transferred early in their IC course (1.41 days into admission [0.66–3.87]); transferred patients had higher median admission BPEWS scores (7 [4.25–9] vs 5 [3–7]; P < .01). In the univariate analysis, no individual physiologic characteristic was predictive for transfer. In the multivariate analysis, BPEWS (P < .001) and need for any form of respiratory support (P = .04) were significant predictive factors for transfer (R2 = 0.56). CONCLUSIONS: The need for close monitoring of physiologic parameters remains paramount, especially in the first 48 hours of admission, in predicting the need for transfer from the IC to PICU. The need for any form of respiratory support is predictive of transfer. Situational awareness and assessment including BPEWS score is of critical importance.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».