First pediatric electronic algorithm to stratify risk of penicillin allergy
Notice bibliographique
Résumé
Beta-lactam allergy is reported in 5-10% of children in North America, but up to 94-97% of patients are deemed not allergic after allergist assessment. The utility of standardized skin testing for penicillin allergy in the pediatric population has been recently questioned. Oral drug challenges when appropriate, are preferred over skin testing, and can definitively rule out immediate, IgE-mediated drug allergy. To our knowledge, this is the only pediatric study to assess the reliability of a penicillin allergy stratification tool using a paper and electronic clinical algorithm. By using an electronic algorithm, we identified 61 patients (of 95 deemed not allergic by gold standard allergist decision) as low risk for penicillin allergy, with no false negatives and without the need for allergist assessment or skin testing. In this study, we demonstrate that an electronic algorithm can be used by various pediatric clinicians when evaluating possible penicillin allergy to reliably identify low risk patients. We identified the electronic algorithm was superior to the paper version, capturing an even higher percentage of low risk patients than the paper version. By developing an electronic algorithm to accurately assess penicillin allergy risk based on appropriate history, without the need for diagnostic testing or allergist assessment, we can empower non-allergist health care professionals to safely de-label low risk pediatric patients and assist in alleviating subspecialty wait times for penicillin allergy assessment.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,002 | 0,006 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».