Supporting Air Versus Ground Vehicle Decisions for Interfacility Medical Transport Using Historical Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Patients undergoing interfacility transfers are at potentially greater risk of adverse or critical events than those in hospital, and efficient transfers play a significant role in reducing mortality and morbidity. Medical dispatchers rely on accurate estimations of transfer time in determining the most appropriate method of transportation, often either a helicopter and/or land ambulance, in situations that are characterized by high time pressure and uncertainty. In this paper, we propose the design of a data-driven decision support tool to improve dispatcher transport mode decision making. We studied the dispatch process of the air and land medical transport system in Ontario, Canada through onsite observations and developed a tool which generates transfer time estimates based on historical data. We found that dispatchers have large estimation errors, and are biased toward higher degrees of underestimation for air transfers compared with land transfers. In contrast, the proposed tool produced estimates that had significantly less error than dispatcher estimates. The estimation error for the tool was on the average 21 min less: a practically significant difference in urgent patient care. Through onsite observations and the relevant literature, we also identified factors that may influence the collaboration between the dispatcher and the tool. This research is a first attempt to study how decisions are made for interfacility medical transfers and for evaluating the accuracy of human operator estimates of these transfer times. It is also the first to demonstrate a tool's utility in comparison to existing procedures for estimating transfer times.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle