MétaCan
Menu
Retour à la cohorte
Enregistrement W4312616496 · doi:10.18103/mra.v10i11.3343

Characteristics and predictors of high acuity pediatric patients presenting to a regional community healthcare system who require transfer to a tertiary pediatric center.

2022· article· en· W4312616496 sur OpenAlexaffabout
Rahim Valani, Maroof Khalid, Hannah R. Snyder, Tanmay Sharma, Suneel Upadhye, Shira Brown

Notice bibliographique

RevueMedical Research Archives · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensWestern UniversityMcMaster UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineTriageTertiary careUnivariate analysisPediatricsUnivariateMultivariate analysisEmergency medicineRetrospective cohort studyMultivariate statisticsInternal medicine

Résumé

récupéré en direct d'OpenAlex

Purpose: To identify the characteristics at triage of high acuity pediatric patients who presented to community emergency departments and determine predictors for those who require transfer to a tertiary care pediatric center. Patients and methods: We conducted a retrospective study of all pediatric Canadian Triage and Acuity Scale (CTAS) I patients presenting to five semirural hospital sites from January to December 2018. Univariate tests were used to identify significant predictors for transfer based on age, gender, Pediatric Early Warning Score (PEWS) score and presenting complaint. A multivariate model was developed based on backward selection from the significant factors from the univariate analysis to identify predictors for transfer. Results: There were 1,137 subjects with an average age of 5.08 years (SD: 5.03) of whom, 559 (49.2%) were males. Sixty patients (5.3%) were transferred to a tertiary care center (60.9% <4 years). A PEWS score ≥3 (OR 3.005, 95% CI 1.623–5,563), presenting with trauma (OR 6.617, 95% CI 2.820–15-531), mental health issues (OR 5.131, 95% CI 1.444–18.232), or neurological issue (OR 3.057, 95% CI 1.355–6.896) were associated with transfer. Patients with fever (OR 0.113, 95% CI 0.031–0.407) and respiratory symptoms (OR 0.345, 95% CI 0.142–0.840) were less likely to be transferred. Conclusion: Predictors of transfer from a community hospital to a pediatric tertiary care center were a PEWS score ≥3, trauma patients, those presenting with mental health issues, and patients with neurological symptoms. Early recognition can facilitate quicker transfer of these high acuity patients requiring tertiary care management.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,044
Tête enseignante GPT0,346
Écart entre enseignants0,301 · 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'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Research ArchivesMême sujetEmergency and Acute Care StudiesTravaux en français237 207