Derivation and validation of a clinical decision rule to risk‐stratify COVID‐19 patients discharged from the emergency department: The CCEDRRN COVID discharge score
Notice bibliographique
Résumé
Objective: To risk-stratify COVID-19 patients being considered for discharge from the emergency department (ED). Methods: We conducted an observational study to derive and validate a clinical decision rule to identify COVID-19 patients at risk for hospital admission or death within 72 hours of ED discharge. We used data from 49 sites in the Canadian COVID-19 Emergency Department Rapid Response Network (CCEDRRN) between March 1, 2020, and September 8, 2021. We randomly assigned hospitals to derivation or validation and prespecified clinical variables as candidate predictors. We used logistic regression to develop the score in a derivation cohort and examined its performance in predicting short-term adverse outcomes in a validation cohort. Results: Of 15,305 eligible patient visits, 535 (3.6%) experienced the outcome. The score included age, sex, pregnancy status, temperature, arrival mode, respiratory rate, and respiratory distress. The area under the curve was 0.70 (95% confidence interval [CI] 0.68-0.73) in derivation and 0.71 (95% CI 0.68-0.73) in combined derivation and validation cohorts. Among those with a score of 3 or less, the risk for the primary outcome was 1.9% or less, and the sensitivity of using 3 as a rule-out score was 89.3% (95% CI 82.7-94.0). Among those with a score of ≥9, the risk for the primary outcome was as high as 12.2% and the specificity of using 9 as a rule-in score was 95.6% (95% CI 94.9-96.2). Conclusion: The CCEDRRN COVID discharge score can identify patients at risk of short-term adverse outcomes after ED discharge with variables that are readily available on patient arrival.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».