MétaCan
Menu
Retour à la cohorte
Enregistrement W2096926032 · doi:10.1017/s1049023x1400140x

Do You See What I See? Insights from Using Google Glass for Disaster Telemedicine Triage

2015· article· en· W2096926032 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevuePrehospital and Disaster Medicine · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensnon disponible
Organismes subventionnairesU.S. National Library of Medicine
Mots-clésTriageTelemedicineMedical emergencyIntervention (counseling)MedicineMass-casualty incidentEmergency managementEmergency medicineNursingPoison controlHealth careHuman factors and ergonomics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Disasters are high-stakes, low-frequency events. Telemedicine may offer a useful adjunct for paramedics performing disaster triage. The objective of this study was to determine the feasibility of telemedicine in disaster triage, and to determine whether telemedicine has an effect on the accuracy of triage or the time needed to perform triage. METHODS: This is a feasibility study in which an intervention team of two paramedics used the mobile device Google Glass (Google Inc; Mountain View, California USA) to communicate with an off-site physician disaster expert. The paramedic team triaged simulated disaster victims at the triennial drill of a commercial airport. The simulated victims had preassigned expected triage levels. The physician had an audio-video interface with the paramedic team and was able to observe the victims remotely. A control team of two paramedics performed disaster triage in the usual fashion. Both teams used the SMART Triage System (TSG Associates LLP; Halifax, England), which assigns patients into Red, Yellow, Green, and Black triage categories. The paramedics were video recorded, and their time required to triage was logged. It was determined whether the intervention team and the control team varied regarding accuracy of triage. Finally, the amount of time the intervention team needed to triage patients when telemedicine was used was compared to when that team did not use telemedicine. RESULTS: The two teams triaged the same 20 patients. There was no significant difference between the two groups in overall triage accuracy (85.7% for the intervention group vs 75.9% for the control group; P = .39). Two patients were triaged with telemedicine. For the intervention group, there was a significant difference in time to triage patients with telemedicine versus those without telemedicine (35.5 seconds; 95% CI, 72.5-143.5 vs 18.5 seconds; 95% CI, 13.4-23.6; P = .041). CONCLUSION: There was no increase in triage accuracy when paramedics evaluating disaster victims used telemedicine, and telemedicine required more time than conventional triage. There are a number of obstacles to available technology that, if overcome, might improve the utility of telemedicine in disaster response.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,390
Écart entre enseignants0,276 · 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