Validation of a classification to identify emergency department visits suitable for subacute and virtual care models: a randomised single-blinded agreement study protocol
Notice bibliographique
Résumé
INTRODUCTION: Redirecting suitable patients from the emergency department (ED) to alternative subacute settings may assist in reducing ED overcrowding while delivering equivalent care. The Emergency Department Avoidance Classification (EDAC) was constructed to retrospectively classify ED visits that may have been suitable for safe management in a subacute or virtual clinical setting. The EDAC has established face and content validity but has not been tested against a reference standard as a criterion. OBJECTIVES: Our primary objective is to examine the agreement between the EDAC and ED physician judgements in retrospectively identifying ED visits suitable for subacute care management. Our secondary objective is to assess the validity of ED physicians' judgement as a criterion standard. Our tertiary objective is to examine how the ED physician's perception of a virtual ED care alternative correlates with the EDAC. METHODS AND ANALYSIS: A randomised single-centre, single-blinded agreement study. We will randomly select ED charts between 1 January and 31 December 2019 from an academic hospital in Hamilton, Canada. ED charts will be randomly assigned to participating ED physicians who will evaluate if this ED visit could have been managed appropriately and safely in a subacute and/or virtual model of care. Each chart will be reviewed by two physicians independently. We compute our needed sample size to be 79 charts. We will use kappa statistics to measure inter-rater agreement. A repeated measures regression model of physician ratings will provide variance estimates that we will use to assess the intraclass correlation of ED physician ratings and the EDAC. ETHICS AND DISSEMINATION: This study has been approved by the Hamilton Integrated Research Ethics Board (2022-14625). If validated, the EDAC may provide an ED-based classification to identify potentially avoidable ED visits, monitor ED visit trends, and proactively delineate those best suited for subacute or virtual care models.
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 | 0,188 | 0,198 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,005 |
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 ».