The emergency department trigger tool: Multicenter trigger query validation
Notice bibliographique
Résumé
OBJECTIVES: We previously described derivation and validation of the emergency department trigger tool (EDTT) for adverse event (AE) detection. As the first step in our multicenter study of the tool, we validated our computerized screen for triggers against manual review, establishing our use of this automated process for selecting records to review for AEs. METHODS: This is a retrospective observational study of visits to three urban, academic EDs over 18 months by patients ≥ 18 years old. We reviewed 912 records: 852 with at least one of 34 triggers found by the query and 60 records with none. Two first-level reviewers per site each manually screened for triggers. After completion, computerized query results were revealed, and reviewers could revise their findings. Second-level reviewers arbitrated discrepancies. We compare automated versus manual screening by positive and negative predictive values (PPVs, NPVs), present population trigger frequencies, proportions of records triggered, and how often manual ratings were changed to conform with the query. RESULTS: Trigger frequencies ranged from common (>25%) to rare (1/1000) were comparable at U.S. sites and slightly lower at the Canadian site. Proportions of triggered records ranged from 31% to 49.4%. Overall query PPV was 95.4%; NPV was 99.2%. PPVs for individual trigger queries exceeded 90% for 28-31 triggers/site and NPVs were >90% for all but three triggers at one site. Inter-rater reliability was excellent, with disagreement on manual screening results less than 5% of the time. Overall, reviewers amended their findings 1.5% of the time when discordant with query findings, more often when the query was positive than when negative (47% vs. 23%). CONCLUSIONS: The EDTT trigger query performed very well compared to manual review. With some expected variability, trigger frequencies were similar across sites and proportions of triggered records ranged 31%-49%. This demonstrates the feasibility and generalizability of implementing the EDTT query, providing a solid foundation for testing the triggers' utility in detecting AEs.
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 | 0,149 | 0,258 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».