MétaCan
Menu
Retour à la cohorte
Enregistrement W3208968420 · doi:10.1177/14604086211031744

The relative importance of clinical factors in initiating interfacility transfer of major trauma patients: A discrete choice experiment

2021· article· en· W3208968420 sur OpenAlexaffabout
Steve Lin, Brodie Nolan, Gerhard Dashi, Avery B. Nathens

Notice bibliographique

RevueTrauma · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineRespondentEmergency departmentEmergency medicineRevised Trauma ScoreHead injuryMedical emergencyInjury preventionPoison controlInjury Severity ScoreSurgeryNursing

Résumé

récupéré en direct d'OpenAlex

Introduction and Objectives Approximately 30% of patients meeting severe injury criteria are never transferred to lead trauma centers (LTCs). The reasons for this gap are not fully understood but involve both system-level factors and individual decision-making. We used a method called discrete choice modeling (DCM) to evaluate which clinical and demographic patient factors might make emergency physicians more likely to initiate transfers to LTCs. Methods An email survey was distributed to physicians working in emergency departments (EDs) in Ontario. The relative importance of clinical and demographic patient attributes as drivers for transfer was evaluated using DCM. Simulated patient cases were created using a random generator to combine attributes. Each respondent was presented with 36 different patients in sets of three and asked if they would transfer each patient to an LTC. The relative importance of each driver was then compared across physician characteristics. Results One hundred and fifty three emergency physicians completed the survey. The drivers for transfer, expressed as utility scores, were derangements in hemodynamics (22), CNS/head injuries (19), pelvic fractures (11), chest injuries (10), comorbidities (9), abdominal injuries (8), extremity injuries (7), mechanism of injury (7), age (5), and gender (2). Drivers for patient transfer did not differ based on physician experience or type of training. Conclusion In this DCM study, the clinical and demographic factors most likely to make emergency physicians consider patient transfers to LTCs were patient hemodynamic derangements and CNS/head injuries. Overall, these drivers did not differ by physician experience or training. An understanding of such patient-level drivers for transfers to LTCs may improve the implementation of evidence-based interfacility transfer criteria.

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)0,025
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,060
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,083
Tête enseignante GPT0,387
Écart entre enseignants0,304 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTraumaMême sujetTrauma and Emergency Care StudiesTravaux en français237 207