Effect of a pediatric early warning system on all-cause mortality in Hospitalized pediatric patients: The epoch randomized clinical trial
Notice bibliographique
Résumé
IMPORTANCE: There is limited evidence that the use of severity of illness scores in pediatric patients can facilitate timely admission to the intensive care unit or improve patient outcomes. OBJECTIVE: To determine the effect of the Bedside Paediatric Early Warning System (BedsidePEWS) on all-cause hospital mortality and late admission to the intensive care unit (ICU), cardiac arrest, and ICU resource use. DESIGN, SETTING, AND PARTICIPANTS: A multicenter cluster randomized trial of 21 hospitals located in 7 countries (Belgium, Canada, England, Ireland, Italy, New Zealand, and the Netherlands) that provided inpatient pediatric care for infants (gestational age ≥37 weeks) to teenagers (aged ≤18 years). Participating hospitals had continuous physician staffing and subspecialized pediatric services. Patient enrollment began on February 28, 2011, and ended on June 21, 2015. Follow-up ended on July 19, 2015. INTERVENTIONS: The BedsidePEWS intervention (10 hospitals) was compared with usual care (no severity of illness score; 11 hospitals). MAIN OUTCOMES AND MEASURES: The primary outcome was all-cause hospital mortality. The secondary outcome was a significant clinical deterioration event, which was defined as a composite outcome reflecting late ICU admission. Regression analyses accounted for hospital-level clustering and baseline rates. RESULTS: Among 144539 patient discharges at 21 randomized hospitals, there were 559 443 patient-days and 144539 patients (100%) completed the trial. All-cause hospital mortality was 1.93 per 1000 patient discharges at hospitals with BedsidePEWS and 1.56 per 1000 patient discharges at hospitals with usual care (adjusted between-group rate difference, 0.01 [95% CI, -0.80 to 0.81 per 1000 patient discharges]; adjusted odds ratio, 1.01 [95% CI, 0.61 to 1.69]; P =.96). Significant clinical deterioration events occurred during 0.50 per 1000 patient-days at hospitals with BedsidePEWS vs 0.84 per 1000 patient-days at hospitals with usual care (adjusted between-group rate difference, -0.34 [95% CI, -0.73 to 0.05 per 1000 patient-days]; adjusted rate ratio, 0.77 [95% CI, 0.61 to 0.97]; P =.03). CONCLUSIONS AND RELEVANCE: Implementation of the Bedside Paediatric Early Warning System compared with usual care did not significantly decrease all-cause mortality among hospitalized pediatric patients. These findings do not support the use of this system to reduce mortality.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».