In-hospital Mortality and the Predictive Ability of the Modified Early Warning Score in Ghana: Single-Center, Retrospective Study
Notice bibliographique
Résumé
BACKGROUND: The modified early warning score (MEWS) is an objective measure of illness severity that promotes early recognition of clinical deterioration in critically ill patients. Its primary use is to facilitate faster intervention or increase the level of care. Despite its adoption in some African countries, MEWS is not standard of care in Ghana. In order to facilitate the use of such a tool, we assessed whether MEWS, or a combination of the more limited data that are routinely collected in current clinical practice, can be used predict to mortality among critically ill inpatients at the Korle-Bu Teaching Hospital in Accra, Ghana. OBJECTIVE: The aim of this study was to identify the predictive ability of MEWS for medical inpatients at risk of mortality and its comparability to a measure combining routinely measured physiologic parameters (limited MEWS [LMEWS]). METHODS: We conducted a retrospective study of medical inpatients, aged ≥13 years and admitted to the Korle-Bu Teaching Hospital from January 2017 to March 2019. Routine vital signs at 48 hours post admission were coded to obtain LMEWS values. The level of consciousness was imputed from medical records and combined with LMEWS to obtain the full MEWS value. A predictive model comparing mortality among patients with a significant MEWS value or LMEWS ≥4 versus a nonsignificant MEWS value or LMEWS <4 was designed using multiple logistic regression and internally validated for predictive accuracy, using the receiver operating characteristic (ROC) curve. RESULTS: A total of 112 patients were included in the study. The adjusted odds of death comparing patients with a significant MEWS to patients with a nonsignificant MEWS was 6.33 (95% CI 1.96-20.48). Similarly, the adjusted odds of death comparing patients with a significant versus nonsignificant LMEWS value was 8.22 (95% CI 2.45-27.56). The ROC curve for each analysis had a C-statistic of 0.83 and 0.84, respectively. CONCLUSIONS: LMEWS is a good predictor of mortality and comparable to MEWS. Adoption of LMEWS can be implemented now using currently available data to identify medical inpatients at risk of death in order to improve care.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».