Applying a Modified Version of the Prediction of Alcohol Withdrawal Severity Scale in a Canadian Community Withdrawal Management Setting
Notice bibliographique
Résumé
INTRODUCTION: Severe alcohol withdrawal syndrome (SAWS) can lead to significant morbidity and mortality. The Prediction of Alcohol Withdrawal Severity Scale (PAWSS) has been validated in general acute care environments, but its efficacy in withdrawal management settings remains underexplored. This study aimed to assess the utility of a modified PAWSS and identify appropriate cutoff scores in a community withdrawal management setting in Vancouver, Canada. METHODS: From October 2019 to September 2022, we reviewed charts at Vancouver Detox Centre. Modified PAWSS versions replaced question 9 on the original PAWSS with: (i) breath analysis readings; (ii) alcohol consumption in the previous 24 h; and (iii) clinical assessments. We performed receiver operating characteristic analysis and used Youden's index to determine modified PAWSS' diagnostic accuracy against SAWS presentation, defined by a score of 15 or greater on the Clinical Institute Withdrawal Assessment Alcohol, Revised, seizures or delirium tremens and/or benzodiazepine administration. RESULTS: Among 228 individuals (165 male, 63 female), 175 (75%) met SAWS criteria during admission. For breath analysis readings, an optimal PAWSS cutoff score had 55% sensitivity (95% confidence interval [CI] 46%-63%) and 74% specificity (95% CI 54%-87%). For alcohol consumption in the last 24 h, a cutoff score of 7 had 44% sensitivity (95% CI 36%-51%) and 85% specificity (95% CI 70%-93%). For clinical assessment, a cutoff score of 6 had 53% sensitivity (95% CI 45%-61%) and 71% specificity (95% CI 58%-85%). DISCUSSION AND CONCLUSIONS: Within a community withdrawal setting, the prevalence of SAWS was high, rendering the modified PAWSS less valuable. Although higher cutoff scores improved specificity, poor sensitivity hindered identification of low-risk SAWS individuals.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».