Prospective study of pain and patient outcomes in the emergency department: a tale of two pain assessment methods
Notice bibliographique
Résumé
Abstract Background Accurate pain assessment is essential in the emergency department (ED) triage process. Overestimation of pain intensity, however, can lead to unnecessary overtriage. The study aimed to investigate the influence of pain on patient outcomes and how pain intensity modulates the triage’s predictive capabilities on these outcomes. Methods A prospective observational cohort study was conducted at a tertiary care hospital, enrolling adult patients in the triage station. The entire triage process was captured on video. Two pain assessment methods were employed: (1) Self-reported pain score in the Taiwan Triage and Acuity Scale, referred to as the system-based method; (2) Five physicians independently assigned triage levels and assessed pain scores from video footage, termed the physician-based method. The primary outcome was hospitalization, and secondary outcomes included ED length of stay (EDLOS) and ED charges. Results Of the 656 patients evaluated, the median self-reported pain score was 4 (interquartile range, 0–7), while the median physician-rated pain score was 1.5 (interquartile range, 0–3). Increased self-reported pain severity was not associated with prolonged EDLOS and increased ED charges, but a positive association was identified with physician-rated pain scores. Using the system-based method, the predictive efficacy of triage scales was lower in the pain groups than in the pain-free group (area under the receiver operating curve, [AUROC]: 0.615 vs. 0.637). However, with the physician-based method, triage scales were more effective in predicting hospitalization among patients with pain than those without (AUROC: 0.650 vs. 0.636). Conclusions Self-reported pain seemed to diminish the predictive accuracy of triage for hospitalization. In contrast, physician-rated pain scores were positively associated with longer EDLOS, increased ED charges, and enhanced triage predictive capability for hospitalization. Pain, therefore, appears to modulate the relationship between triage and patient outcomes, highlighting the need for careful pain evaluation in the ED.
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 | 0,025 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».