Emergency nurses’ triage narrative data, their uses and structure: a scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: The first clinical interaction most patients have in the emergency department occurs during triage. An unstructured narrative is generated during triage and is the first source of in-hospital documentation. These narratives capture the patient's reported reason for the visit and the initial assessment and offer significantly more nuanced descriptions of the patient's complaints than fixed field data. Previous research demonstrated these data are useful for predicting important clinical outcomes. Previous reviews examined these narratives in combination or isolation with other free-text sources, but used restricted searches and are becoming outdated. Furthermore, there are no reviews focused solely on nurses' (the primary collectors of these data) narratives. METHODS AND ANALYSIS: Using the Arksey and O'Malley scoping review framework and PRISMA-ScR reporting guidelines, we will perform structured searches of CINAHL, Ovid MEDLINE, ProQuest Central, Ovid Embase and Cochrane Library (via Wiley). Additionally, we will forward citation searches of all included studies. No geographical or study design exclusion criteria will be used. Studies examining disaster triage, published before 1990, and non-English language literature will be excluded. Data will be managed using online management tools; extracted data will be independently confirmed by a separate reviewer using prepiloted extraction forms. Cohen's kappa will be used to examine inter-rater agreement on pilot and final screening. Quantitative data will be expressed using measures of range and central tendency, counts, proportions and percentages, as appropriate. Qualitative data will be narrative summaries of the authors' primary findings. PATIENT AND PUBLIC INVOLVEMENT: No patients involved. ETHICS AND DISSEMINATION: No ethics approval is required. Findings will be submitted to peer-reviewed conferences and journals. Results will be disseminated using individual and institutional social media platforms.
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 | 0,152 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,008 |
| Méta-épidémiologie (sens large) | 0,015 | 0,011 |
| Bibliométrie | 0,030 | 0,019 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,007 | 0,009 |
| Intégrité de la recherche | 0,011 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,068 | 0,016 |
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 ».