MétaCan
Menu
Retour à la cohorte
Enregistrement W4417334259 · doi:10.1177/08850666251399099

Intensivist and Hematologist Perceptions of Prognosis of Critically Ill Patients with Hematologic Malignancies

2025· article· en· W4417334259 sur OpenAlexaffabout
Hayam Hamodat, Lynn Savoie, Sarah McMullen, Andrea Soo, Amanda Roze des Ordons

Notice bibliographique

RevueJournal of Intensive Care Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensUniversity of CalgaryDalhousie University
Organismes subventionnairesnon disponible
Mots-clésIntensivistCritically illHematologistConcordanceAnesthesiologyCritical illnessPopulationMEDLINE

Résumé

récupéré en direct d'OpenAlex

Objectives Historically, patients with hematologic malignancies were often declined ICU admission due to anticipated poor outcomes. However, recent publications describe significant improvements in ICU and in-hospital mortality for critically ill patients with hematologic malignancies. It is unclear whether clinicians’ perceptions of outcomes in this patient population have changed, or whether there is consensus on management. This study evaluated intensivist and hematologist perceptions of prognosis in critically ill patients with hematologic malignancies and identified factors that inform their decision-making. Design We conducted an electronic cross-sectional survey of Canadian intensivists and hematologists. The survey included 19 questions and a case-based scenario with variations in clinical factors. The survey data were summarized using frequency with percent. Data was compared between intensivists and hematologists using χ 2 tests for categorical data. A post-hoc analysis of secondary variables was also conducted using χ 2 tests. Results A total of 180 clinicians responded to the survey - 63% were intensivists, 36% hematologists and 1% dually trained. Most clinicians reported using a variety of cancer-, patient- and critical illness-related factors for prognostication, and most demonstrated awareness of factors associated with worse prognosis in this patient population. When presented with a hypothetical case, survey results revealed consensus on admitting the patient to ICU but variability in limitations to treatment and goals of care. Additionally, we found wide variability in predicted patient outcomes. There was significant variability in decision-making around withdrawal of life sustaining therapies, but minimal between-group differences between intensivist and hematologist responses. Conclusions This study found significant variation among clinicians in predicting prognosis for critically ill patients with hematologic malignancies, although concordance between intensivists and hematologists overall. Further study examining factors affecting prognosis and long-term outcomes for this patient population will help guide clinicians and better inform decisions about medical care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,326
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Intensive Care MedicineMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207