MétaCan
Menu
Retour à la cohorte
Enregistrement W3014210181 · doi:10.4037/ccn2020363

Double Trouble: Patients With Both True and False Arrhythmia Alarms

2020· article· en· W3014210181 sur OpenAlexaff
Stella Chiu Nguyen, Sukardi Suba, Xiao Hu, Michele M. Pelter

Notice bibliographique

RevueCritical Care Nurse · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare Technology and Patient Monitoring
Établissements canadiensCollege & Association of Registered Nurses of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineIntensive care unitALARMFalse alarmElectrocardiographyIntensive careCardiac arrhythmiaCoronary care unitEmergency medicineMedical emergencyIntensive care medicineCardiologyAtrial fibrillationArtificial intelligenceComputer scienceMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patients with both true and false arrhythmia alarms pose a challenge because true alarms might be buried among a large number of false alarms, leading to missed true events. OBJECTIVE: To determine (1) the frequency of patients with both true and false arrhythmia alarms; (2) patient, clinical, and electrocardiographic characteristics associated with both true and false alarms; and (3) the frequency and types of true and false arrhythmia alarms. METHODS: This was a secondary analysis using data from an alarm study conducted at a tertiary academic medical center. RESULTS: Of 461 intensive care unit patients, 211 (46%) had no arrhythmia alarms, 12 (3%) had only true alarms, 167 (36%) had only false alarms, and 71 (15%) had both true and false alarms. Ventricular pacemaker, altered mental status, mechanical ventilation, and cardiac intensive care unit admission were present more often in patients with both true and false alarms than among other patients (P < .001). Intensive care unit stays were longer in patients with only false alarms (mean [SD], 106 [162] hours) and those with both true and false alarms (mean [SD], 208 [333] hours) than in other patients. Accelerated ventricular rhythm was the most common alarm type (37%). CONCLUSIONS: An awareness of factors associated with arrhythmia alarms might aid in developing solutions to decrease alarm fatigue. To improve detection of true alarms, further research is needed to build and test electrocardiographic algorithms that adjust for clinical and electrocardiographic characteristics associated with false alarms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,319
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Care NurseMême sujetHealthcare Technology and Patient MonitoringTravaux en français237 207