MétaCan
Menu
Retour à la cohorte
Enregistrement W1999784657 · doi:10.1155/2014/975752

Combining First-Person Video and Gaze-Tracking in Medical Simulation: A Technical Feasibility Study

2014· article· en· W1999784657 sur OpenAlexaff
Adam Szulewski, Daniel Howes

Notice bibliographique

RevueThe Scientific World JOURNAL · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Arrest and Resuscitation
Établissements canadiensKingston General HospitalQueen's University
Organismes subventionnairesnon disponible
Mots-clésGazeTracking (education)Computer scienceEye trackingQuality (philosophy)Applied psychologyProcess (computing)PsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Crisis decision-making is an important responsibility of the resuscitation team leader but a difficult process to study. The purpose of this pilot study was to explore the potential of gaze-tracking technology to study decision-making and leadership behaviours in simulated medical emergencies. We studied five physicians with a broad range of experience in a simulated medical emergency using gaze-tracking glasses. Subjects were interviewed immediately after the scenario while viewing a first-person recording of their performance with a superimposed gaze indicator. The recordings were then studied independently by two reviewers, and rated for quality and their observations collated. Portable gaze-tracking devices were found to be useful and effective tools for studying information gathering and decision-making behaviours in simulated medical emergencies. The data obtained in this study provided information about the discrepancy between what each participant looked at compared to what each participant consciously noted. Analysis of the data also identified a number of recurrent gaze patterns performed by team leaders that could be used as end-points in future research. Gaze-tracking in resuscitation medicine is a new and promising field of study. The potential to study crisis decision-making behaviours, and cognitive load, as well as differences between novice and expert team leaders is substantial.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,347
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Scientific World JOURNALMême sujetCardiac Arrest and ResuscitationTravaux en français237 207