Letteratura Italiana di Scienze Infermieristiche
[banca dati bibliografica]
| | Indice della Letteratura Italiana di Scienze Infermieristiche [banca dati bibliografica] | |
| Progetto realizzato e curato dall’Ordine delle Professioni Infermieristiche di Roma |
|
Valent Francesca, Clagnan Elena, Zanier Loris. Classificazione delle cause traumatiche di accesso al pronto soccorso in Friuli Venezia Giulia mediante Naïve Bayes Classification. Epidemiologia & Prevenzione 2014;38(2):116–122. Added by: Mauro Iossa (23/09/2014, 17:24) |
| Resource type: Journal Article BibTeX citation key: Valent2014 View all bibliographic details  |
Categories: Igiene, Infermieristica specialistica, Scienze dell'informazione Subcategories: Banche dati bibliografiche, Infermieristica in area critica, Malattie cronico-degenerative Keywords: Creators: Clagnan, Valent, Zanier Publisher: Collection: Epidemiologia & Prevenzione |
Views: 27/784
|
| Attachments |
| Abstract |
|
(Trascritto dall’articolo) OBIETTIVI: verificare la possibilità di utilizzare la Naïve Bayes Classification per classificare le cause di infortunio nel database regionale di pronto soccorso (PS), dato che in Friuli Venezia Giulia i dati informatizzati di PS non sono mai stati utilizzati per condurre studi epidemiologici sugli infortuni a causa della frequenza di cause «accidentali» generiche, ben più alta di quella degli infortuni con causa specificata. DISEGNO: è stato applicato il metodo di Naïve Bayes Classification al database regionale di PS. PRINCIPALI MISURE DI OUTCOME: relativamente al dataset di training sono stati calcolati sensibilità, specificità, potere predittivo positivo e negativo, concordanza e statistica kappa, mentre per quello di test è stata stimata la distribuzione delle cause di infortunio. RISULTATI: in 22.248 record con causa nota, la classificazione attribuita dal modello concordava moderatamente con quella assegnata dal personale di PS (kappa =0,53). Il modello è stato poi applicato a 76.660 casi non classificati in PS. Malgrado sensibilità e potere predittivo positivo fossero generalmente bassi, principalmente a causa di limitazioni dei dati di PS, il modello ha permesso di stimare per la prima volta la frequenza delle cause di infortunio specifiche in regione. CONCLUSIONE: il modello si è rivelato utile per ottenere un quadro generale degli infortuni non mortali in regione. Per migliorare la raccolta di dati, è in corso una revisione delle opzioni disponibili in PS per la classificazione degli infortuni allo scopo di renderle esaustive e mutuamente esclusive. Added by: Mauro Iossa Last edited by: Mauro Iossa |