Help Is in Your Pocket: The Potential Accuracy of Smartphone- and Laptop-Based Remotely Guided Resuscitative Telesonography
Notice bibliographique
Résumé
BACKGROUND: Ultrasound (US) examination has many uses in resuscitation, but to use it to its full effectiveness typically requires a trained and proficient user. We sought to use information technology advances to remotely guide US-naive examiners (UNEs) using a portable battery-powered tele-US system mentored using either a smartphone or laptop computer. MATERIALS AND METHODS: A cohort of UNEs (5 tactical emergency medicine technicians, 10 ski-patrollers, and 4 nurses) was guided to perform partial or complete Extended Focused Assessment with Sonography of Trauma (EFAST) examinations on both a healthy volunteer and on a US phantom, while being mentored by a remote examiner who viewed the US images over either an iPhone(®) (Apple, Cupertino, CA) or a laptop computer with an inlaid depiction of the US probe and the "patient," derived from a videocamera mounted on the UNE's head. Examinations were recorded as still images and over-read from a Web site by seven expert reviewers (ERs) (three surgeons, two emergentologists, and two radiologists). Examination goals were to identify lung sliding (LS) documented by color power Doppler (CPD) in the human and to identify intraperitoneal (IP) fluid in the phantom. RESULTS: All UNEs were successfully mentored to easily and clearly identify both LS (19 determinations) and IP fluid (14 determinations), as assessed in real time by the remote mentor. ERs confirmed IP fluid in 95 of 98 determinations (97%), with 100% of ERs perceiving clinical utility for the abdominal Focused Assessment with Sonography of Trauma. Based on single still CPD images, 70% of ERs agreed on the presence or absence of LS. In 16 out of 19 cases, over 70% of the ERs felt the EFAST exam was clinically useful. CONCLUSIONS: UNEs can confidently be guided to obtain critical findings using simple information technology resources, based on the receiving/transmitting device found in most trauma surgeons' pocket or briefcase. Global US mentoring requires only Internet connectivity and initiative.
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 | 0,002 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».