Assessing Severity of Illness in Patients Transported to Hospital by Paramedics: External Validation of 3 Prognostic Scores
Notice bibliographique
Résumé
Introduction: Emergency Medical Services (EMS) are the first healthcare contact for the majority of severely ill patients. Physiologic measures collected by EMS, when incorporated into a prognostic score, may provide important information on patient illness severity. This study compares the predictive ability of 3 common prognostic scores for predicting clinical outcomes in EMS patients. Methods: Discrimination and calibration for predicting the primary outcome of hospital mortality, and secondary outcomes of 2-day mortality and ED disposition, were assessed for each of the scores using a one-year cohort of patients transported to hospital by EMS in Alberta, Canada. For each score, binary logistic regression was used to predict hospital mortality and 2-day mortality and ordinal logistic regression was used to predict ED disposition. Discrimination for each outcome was assessed using C-statistics, and calibration was assessed using calibration curves comparing predicted versus observed outcomes. Results: The Critical Illness Prediction [CIP], Modified Early Warning Score [MEWS], and National Early Warning Score [NEWS] were compared using 121,837 adult patients who were transported by paramedics. All scores had good discrimination for hospital mortality (C-statistic CIP: 0.79, MEWS: 0.71, NEWS: 0.78) and 2-day mortality (CIP:0.85, MEWS: 0.80, NEWS:0.85) but only moderate discrimination for ED disposition (CIP: 0.68, MEWS: 0.61, NEWS: 0.66). Calibration was reliable for hospital mortality in all scores but over-predicted risk for 2-day mortality at higher scores. Overall, the CIP score had the best discrimination, good calibration, and the greatest range of predicted probabilities (0.01 at a CIP score of 0 to 0.92 at a CIP score of 8) for hospital mortality. Conclusions: Prognostic scores using physiologic measures assessed by paramedics have good predictive ability for hospital mortality. These scores, particularly the CIP score, may be considered as a tool for mortality risk stratification or as a general measure of illness severity for patients included in EMS studies.
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 | 0,008 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».