Revisión bibliográfica sobre sistemas de triaje hospitalarios
Bibliographic record
Abstract
[Resumen] Introducción: El triaje de urgencias es un proceso de valoración que ordena los pacientes según al grado de urgencia, garantizando que los valorados como más urgentes sean visitados prioritariamente. La disponibilidad de un sistema de triaje estructurado es una medida fundamental para mejorar la calidad de los Servicios de Urgencias y Emergencias, proteger a los pacientes, aumentar la satisfacción de los usuarios y optimizar recursos. El personal de enfermería es el más adecuado para realizar el triaje. Objetivos: Investigar cuántos sistemas de triaje hay, cómo funcionan y valorar cuál es o cuáles son los mejores sistemas. Metodología: Se llevó a cabo una revisión bibliográfica en las bases de datos Medline, Cochrane Library plus, ENFISPO, LILACS y SCOPUS y otros recursos. Los resultados han sido valorados en base a los criterios de inclusión y exclusión y a las variables de estudio establecidas. Resultados: La bibliografía analizada muestra que los mejores sistemas de cinco niveles estudiados y más extendidos son: la Canadian Emergency Department Triage and Acuity Scale (CTAS), el Manchester Triage System (MTS) y el Emergency Severit Index (ESI). La escala que presenta mejores resultados es la escala de triaje ESI. Discusión: A pesar de que los mejores resultados generales los tiene la escala de triaje ESI, el MTS parece más sencillo de aplicar al presentar soporte informático y unos diagramas más fáciles de interpretar que ESI. Conclusiones: Los sistemas de triaje de cinco niveles han demostrado ser eficaces, válidos y fiables, lo que hace que sean la elección en los SUH. Es necesario el entrenamiento del personal enfermero que realiza el triaje. El sistema de triaje recomendado es el MTS.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".