Predictors of Hospitalization for Children With Croup, a Population-Based Cohort Study
Notice bibliographique
Résumé
OBJECTIVES: We sought to determine predictors of hospitalization for children presenting with croup to emergency departments (EDs), as well as predictors of repeat ED presentation and of hospital readmissions within 18 months of index admission. We also aimed to develop a practical tool to predict hospitalization risk upon ED presentation. METHODS: Multiple deterministically linked health administrative data sets from Ontario, Canada, were used to conduct this population-based cohort study between April 1, 2006 and March 31, 2017. Children born between April 1, 2006, and March 31, 2011, were eligible if they had 1 ED visit with a croup diagnosis. Multivariable logistic regression was used to determine factors associated with hospitalization, subsequent ED visits, and subsequent croup hospitalizations. A multivariable prediction tool and associated scoring system were created to predict hospitalization risk within 7 days of ED presentation. RESULTS: Overall, 1811 (3.3%) of the 54 981 eligible children who presented to an Ontario ED were hospitalized. Significant hospitalization predictors included age, sex, Canadian Triage and Acuity Scale score, gestational age at birth, and newborn distress. Younger patients and boys were more likely to revisit the ED for croup. Our multivariable prediction tool could forecast hospitalization up to a 32% probability for a given patient. CONCLUSIONS: This study is the first population-based study in which predictors of hospitalization for croup based on demographic and historical factors are identified. Our prediction tool emphasized the importance of symptom severity on ED presentation but will require refinement before clinical implementation.
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 ».