The effect of centrality bias on triage nurses in the emergency department
Notice bibliographique
Résumé
Objective To investigate whether centrality bias is one of the contributing factors for patient mistriage in the emergency department. Methods A randomized, controlled, single-blinded trial was conducted in an emergency department triage station between April 1 and November 3, 2021. Experienced triage nurses were divided into control and treatment groups. The control group triaged patients using the Canadian Triage and Acuity Scale 1–5 triage scale, and the treatment group used a four-level triage scale (created by removing level 3 from the original Canadian Triage and Acuity Scale). Neither group was exposed to the other’s ranking and the control group determined the patient’s actual triage ranking. The accuracy of each group’s ranking was determined by triage experts. Triage nurses’ levels of confidence was investigated, as was the correlation between triage ranking accuracy and confidence level. Results After excluding 58 patients with missing data, 146 assessments were analyzed. Statistical analysis was performed to compare three different aspects of triage rankings between the nurses’ groups and the control group. In the first and second analyses, accuracy levels of 49% and 68% ( p = 0.003), 43% and 68% ( p < 0.0001) were found for the control and experimental groups, respectively. The third aspect showed no significant differences. Within the control and experimental groups, the difference in accuracy rate at levels 2 and 5 was the most significant, with 13% and 75% ( p = 0.40), 29% and 67% ( p = 0.009), respectively. Conclusions: Central tendency has the potential to affect the accuracy of ranking among triage nurses in the emergency department. Further research is needed.
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 | 0,002 | 0,002 |
| 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 ».