Diagnostic Challenges in Fava Bean Triggered G6PD Crisis
Notice bibliographique
Résumé
Limited English proficiency (LEP) affects many Canadians. Patients with LEP are at high risk of medical error, readmission, and increased length of stay. We report on the case of a 66-year-old male with LEP and a diagnosis of glucose-6-phosphate dehydrogenase (G6PD) deficiency associated hemolysis, and how the language barrier affected his care. Using our case as an example, we describe trends in the LEP literature in the inpatient setting, its effects on patient care and the evidence surrounding the use of point of care interpretation. RésuméLa maîtrise limitée de l’anglais (MLA) touche de nombreux Canadiens. Les patients ayant une MLA courent un risque élevé d’erreur médicale, de réadmission et de prolongation du séjour à l’hôpital. Nous faisons état du cas d’un homme de 66 ans ayant une MLA qui a reçu un diagnostic d’hémolyse associée à un déficit en glucose-6-phosphate déshydrogénase (G-6-PD) et de la façon dont la barrière linguistique nuit à ses soins. En utilisant notre cas comme exemple, nous décrivons les tendances de la documentation sur la MLA en milieu hospitalier, les effets de la MLA sur les soins aux patients et les données probantes concernant l’utilisation de l’interprétation au point de service.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».