Validity of the Paediatric Canadian Triage Acuity Scale in a Tertiary Hospital: An Analysis of Severity Markers' Variability
Notice bibliographique
Résumé
With the increasing influx of patients and frequent overcrowding, the adoption of a valid triage system, capable of distinguishing patients who need urgent care, from those who can wait safely is paramount. Hence, the aim of this study is to evaluate the validity of the Paediatric Canadian Triage and Acuity Scale (PaedCTAS) in a Portuguese tertiary hospital. Furthermore, we aim to study the performance and appropriateness of the different surrogate severity markers to validate triage. This is a retrospective study considering all visits to the hospital's Paediatric Emergency Department (PED) between 2014 and 2019. This study considers cut-offs on all triage levels for dichotomization in order to calculate validity measures e.g. sensitivity, specificity and likelihood ratios, ROC curves; using hospital admission, admission to intensive care and the use of resources as outcomes/markers of severity. Over the study period there were 0.2% visits triaged as Level 1, 5.7% as Level 2, 39.4% as Level 3, 50.5% as Level 4, 4.2% as Level 5, from a total of 452,815 PED visits. The area under ROC curve was 0.96, 0.71, 0.76, 0.78, 0.59 for the surrogate markers: "Admitted to intensive care"; "Admitted to intermediate care"; "Admitted to hospital"; "Investigations performed in the PED" and "Uses PED resources", respectively. The association found between triage levels and the surrogate markers of severity suggests that the PedCTAS is highly valid. Different surrogate outcome markers convey different degrees of severity, hence different degrees of urgency. Therefore, the cut-offs to calculate validation measures and the thresholds of such measures should be chosen accordingly.
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 | 0,009 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».