Diagnostic Delays in Sepsis: Lessons Learned From a Retrospective Study of Canadian Medico-Legal Claims
Notice bibliographique
Résumé
Although rapid treatment improves outcomes for patients presenting with sepsis, early detection can be difficult, especially in otherwise healthy adults. OBJECTIVES: Using medico-legal data, we aimed to identify areas of focus to assist with early recognition of sepsis. DESIGN SETTING AND PARTICIPANTS: Retrospective descriptive design. We analyzed closed medico-legal cases involving physicians from a national database repository at the Canadian Medical Protective Association. The study included cases closed between 2011 and 2020 that had documented peer expert criticism of a diagnostic issue related to sepsis or relevant infections. MAIN OUTCOMES AND MEASURES: We used univariate statistics to describe patients and physicians and applied published frameworks to classify contributing factors (provider, team, system) and diagnostic pitfalls based on peer expert criticisms. RESULTS: Of 162 involved patients, the median age was 53 years (interquartile range [IQR], 34-66 yr) and mortality was 49%. Of 218 implicated physicians, 169 (78%) were from family medicine, emergency medicine, or surgical specialties. Eighty patients (49%) made multiple visits to outpatient care leading up to sepsis recognition/hospitalization (median = two visits; IQR, 2-4). Almost 40% of patients were admitted to the ICU. Deficient assessments, such as failing to consider sepsis or not reassessing the patient prior to discharge, contributed to the majority of cases (81%). CONCLUSIONS AND RELEVANCE: Sepsis continues to be a challenging diagnosis for clinicians. Multiple visits to outpatient care may be an early warning sign requiring vigilance in the patient assessment.
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 | 0,020 | 0,090 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,015 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».