A Scoping Review of Pediatric Mass-Casualty Incident Triage Algorithms
Notice bibliographique
Résumé
OBJECTIVE: For the pediatric population, there is no consensus on which triage system to use for mass-casualty incidents (MCI). A scoping review was conducted to identify the most accurate triage system for pediatric patients in MCIs. METHODS: MEDLINE (NLM, Bethesda, MA, USA), Embase (Elsevier Inc., Amsterdam, Netherlands), CINAHL (EBSCO Information Services, Ipswitch, MA, USA), and The Cochrane CENTRAL Register of Controlled Trials (John Wiley & Sons, Hoboken, NJ, USA), as well as Scopus (Elsevier Inc., Amsterdam, Netherlands), Global Health (Centre for Agriculture and Bioscience International, Wallingford, UK), Global Health Archive (Centre for Agriculture and Bioscience International, Wallingford, UK), and Global Index Medicus (World Health Organization, Geneva, Switzerland) were searched for relevant studies that were divided into 3 categories: accuracy of a single system, comparison of 2 or more primary triage system and comparison of secondary triage systems. Grey literature was also searched. RESULTS: 996 studies were identified from which 18 studies were included. Systems studied were found to have poor inter-rater reliability, had a low level of agreement between providers, had missed critically ill patients or were not externally validated. 11 studies compared pediatric MCI triage algorithms using different strategies and the most accurate algorithm was not identified. A recently developed secondary triage system, specifically for pediatric patients, was found to perform better than the comparison triage system. CONCLUSION: Although some algorithms performed better than others, no primary triage algorithm was accurate enough for the pediatric population. However, only 1 secondary triage algorithm was found to be superior to the others.
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 | 0,012 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».