Low-Value Computed Tomography for Children in the Emergency Department: A Repeated Cross-Sectional Study
Notice bibliographique
Résumé
OBJECTIVES: To compare low-value computed tomography (CT) use during pediatric emergency department (ED) visits by hospital type and physician specialty. METHODS: Repeated cross-sectional study using linked databases from Ontario, Canada. We reviewed pediatric ED discharges from 2010 to 2019 for 5 diagnoses with recommendations against routine CT use: abdominal pain, constipation, concussion, seizure, and headache. We evaluated CT use by hospital type (pediatric academic, adult academic, community with and without pediatric consultation) and provider specialty [pediatric emergency medicine (PEM), emergency medicine (EM), family medicine + EM, family medicine, pediatrician], using multivariable logistic regression, adjusting for patient, ED, and physician characteristics. RESULTS: We included 599,948 pediatric ED discharges [mean (SD) age 10.8 y (5.3); 55.4% females]: 5000 (1.2%) discharges for abdominal diagnoses included a CT, and 21,398 (11.4%) discharges for neurological diagnoses included a CT. Children had an increased adjusted odds ratio [aOR (95% CI)] of receiving a CT at all hospital types compared with pediatric academic hospitals: adult academic hospitals ranging from 1.10 (1.01 to 1.21) for headache to 3.46 (1.89 to 6.36) for constipation, community hospitals with pediatric consultation ranging from 1.54 (1.45 to 1.63) for concussion to 3.74 (2.38-5.90) for constipation, and community hospitals without pediatric consultation ranging from 1.24 (1.15 to 1.33) for concussion to 2.29 (1.36 to 3.87) for constipation. Those patients seen by nonpediatric providers (EM, family medicine + EM, family medicine) were more likely to receive CT scans than PEM physicians for all diagnoses. CONCLUSIONS: Low-value CT use was higher among children treated in nonpediatric EDs and by nonpediatric providers. Improvement initiatives should target specific hospital types and specialties.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».