Accuracy of Triage Nurses in Predicting Patient Admissions: Retrospective, Large-sample Evidence from a Community Emergency Department
Notice bibliographique
Résumé
Introduction: Emergency department (ED) flow could be improved with quicker disposition decisions. One possible way to expedite decisions is for triage nurses to make predictions about whether patients require admission to hospital. The information contained in these predictions could be useful for disposition planning and for physician decision-making. Previous studies made use of prospective designs that introduced Hawthorne effects and have demonstrated mixed evidence on whether triage nurse predictions are accurate. We examined the accuracy of triage nurse predictions for patient admission in an ED in southeastern Ontario. Methods: We examined a retrospective sample of 134,891 visits to an ED in Ontario from March 2019 – July 2024. Triage nurses made predictions about admission to hospital for these visits, from which we estimated measures of specificity, sensitivity, positive predictive value, negative predictive value, accuracy, and F1 scores. Results: Of 134,891 visits, 13.7% resulted in hospital admission. We found the accuracy of the nurses in predicting admission to be 85.8% (95% confidence interval [CI] 85.7 - 86.1), while overall sensitivity was 36.6% (95% CI 35.9 - 37.3) and specificity was 93.7% (95% CI 93.5 - 93.8). The positive predictive value of admission was 47.9% (95% CI 47.1 - 48.7), and the negative predictive value of admission was 90.3% (95% CI 90.1 - 90.5). F1 scores were 0.415. These results were relatively stable over time, although there was notable variation in prediction ability between nurses. We also report that some presenting conditions lead to relatively higher prediction accuracy than others and that as overall case severity increases, sensitivity increases and specificity decreases. Conclusion: These results suggest that although nursing staff predictions are insufficient to streamline disposition decisions completely, they could be useful in expediting certain decisions related to hospital admission and resource requirement, thereby improving flow in EDs.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».