Predicting ICU Admissions from Attempted Suicide Presentations at an Emergency Department in Central Queensland, Australia
Notice bibliographique
Résumé
BackgroundEmergency medicine physicians and psychiatric staff face a challenging job in risk stratifying patients presenting with suicide attempts to predict which patients need intensive care unit admission, hospital admission or can be discharged with psychiatry follow up. AimsThis study aims to analyse patients who were admitted to the intensive care unit or regular ward for suicide attempt, and the methods they employed in a rural Australian base hospital. MethodWe conducted a retrospective analysis of patients who presented with suicide attempts to the Rockhampton Base Hospital Emergency Department, Queensland Australia from 1 September 2007 to 31 August 2009.Multivariate logistic regression was undertaken to identify risk factors for ICU and regular ward admission, and predictors of suicide method. ResultsThere were 570 patients presenting with suicide attempts, 74 of which were repeat suicide attempts.There was a 10fold increase in the odds of intensive care unit or ICU admission (CI 1.45-81.9,p=0.02) for patients who presented with drug overdose.Increased age (OR=1.02,95 per cent CI 1.00-1.03,p=0.05), drug overdose (OR=2.69,95 per cent CI 1.37-5.29,p=0.004), and previous suicide attempt (OR=1.53,95 per cent CI 1.03-2.28,p=0.03) were significantly correlated with hospital admission.Male patients (OR=2.76,95 per cent CI 1.43-5.30,p=0.002) and Aboriginal patients (OR=3.38,95 per cent CI 1.42-8.05,p=0.006) were more likely to choose hanging as a suicide method.Conclusion We identified drug overdose as a strong predictor of ICU admission, while age, drug overdose and history of previous suicide attempts predict hospital admission.We recommend reviewing physician practices, especially safe medication, in suicide risk patients.Our study also highlights the need for continued close collaboration by acute care and community mental health providers for quality improvement.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».