The Association Between Abnormal Vital Signs and Mortality in the Emergency Department
Notice bibliographique
Résumé
Background The emergency department (ED) receives patients from all over the world every day. Hence, using various triage scales to detect sick patients and the need for early admission are essential. Triage is a process used in the ED to prioritize patients requiring the most urgent care over those with minor injuries based on medical urgency and medical needs. These decisions may be based on patients’ chief complaints at the time of their ED visit and their vital signs. Vital signs, including blood pressure (BP), respiratory rate (RR), heart rate (HR), and body temperature, are necessary tools that are traditionally used in the ED during procedures such as triage and recognizing high-risk hospital inpatients. This study aimed to determine the relationship between abnormal vital signs and mortality in the ED. Method and Material This retrospective record review study was performed at the ED of King Abdulaziz University Hospital (KAUH). Altogether, 641 patients fulfilled our inclusion criteria. Data including patients’ demographics, vital signs, in-hospital mortality, triage level, and precipitating factors were collected. Results The mean age of the patients was 45.66 ± 18.43 years (69.3% females), and the majority of them had Canadian Triage and Acuity Scale (CTAS) level 3 (71.1%). The total number of in-hospital mortalities was 32 (5%). Lower systolic blood pressure (SBP) and diastolic blood pressure (DBP), high respiratory rates, and low oxygen saturation (O2SAT) were significantly associated with high mortality rates. Conclusion Abnormal vital signs play a major role in determining patient prognosis and outcomes. Triage score systems should be adjusted and carefully studied in each center according to its population.
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 ».