MétaCan
Menu
Retour à la cohorte
Enregistrement W3137484518 · doi:10.7759/cureus.14002

A Comparison Between Computer-Assisted Self-Triage by Patients and Triage Performed by Nurses in the Emergency Department

2021· article· en· W3137484518 sur OpenAlexaffabout
Sachin Trivedi, Jessica Littmann, James Stempien, Puneet Kapur, Rhonda Bryce, Martin Betz

Notice bibliographique

RevueCureus · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensUniversity of WinnipegRoyal University HospitalUniversity of SaskatchewanUniversity of ManitobaSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésTriageMedicineEmergency departmentEmergency medicineMedical emergencyOdds ratioNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background and objective Emergency departments (EDs) often find the number of arriving patients exceeding their capacity and find it difficult to triage them in a timely manner. The potential risk to the safety of patients awaiting assessment by a triage professional has led some hospitals to consider implementing patient self-triage, such as using kiosks. Published studies about patient self-triage are scarce and information about patients' ability to accurately assess the acuity of their condition or predict their need to be hospitalized is limited. In this study, we aimed to compare computer-assisted patient self-triage scores versus the scores assigned by the dedicated ED triage nurse (TN). Methods This pilot study enrolled patients presenting to a tertiary care hospital ED without ambulance transport. They were asked a short series of simple questions based on an algorithm, which then generated a triage score. Patients were asked whether they were likely to be admitted to the hospital. Patients then entered the usual ED system of triage. The algorithm-generated triage score was then compared with the Canadian Triage and Acuity Scale (CTAS) score assigned by the TN. Whether the patients actually required hospital admission was determined by checking their medical records. Results Among the 492 patients enrolled, agreement of triage scores was observed in 27%. Acuity was overestimated by 65% of patients. Underestimation of acuity occurred in 8%. Among patients predicting hospitalization, 17% were admitted, but the odds ratio (OR) for admission was 3.4. Half of the patients with cardiorespiratory complaints were correct in predicting the need for hospitalization. Conclusion The use of a short questionnaire by patients to self-triage showed limited accuracy, but sensitivity was high for some serious medical conditions. The prediction of hospitalization was more accurate with regard to cardiorespiratory complaints.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,144
Score d'incertitude au seuil0,556

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,327
Écart entre enseignants0,303 · 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 tête enseignante, 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

Citations13
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetEmergency and Acute Care StudiesTravaux en français237 207