MétaCan
Menu
Retour à la cohorte
Enregistrement W2128397890 · doi:10.1177/1460458214530137

Use of mobile devices in the emergency department: A scoping review

2014· review· en· W2128397890 sur OpenAlexaff
Judith W. Dexheimer, Elizabeth M. Borycki

Notice bibliographique

RevueHealth Informatics Journal · 2014
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésMobile deviceEmergency departmentMedical emergencyHealth careQuality (philosophy)Mobile technologyClinical decision support systemMedicineComputer scienceNursingWorld Wide WebPolitical science

Résumé

récupéré en direct d'OpenAlex

Electronic health records are increasingly used in regional health authorities, healthcare systems, hospitals, and clinics throughout North America. The emergency department provides care for urgent and critically ill patients. Over the past several years, emergency departments have become more computerized. Tablet computers and Smartphones are increasingly common in daily use. As part of the computerization trend, we have seen the introduction of handheld computers, tablets, and Smartphones into practice as a way of providing health professionals (e.g. physicians, nurses) with access to patient information and decision support in the emergency department. In this article, we present a scoping review and outline the current state of the research using mobile devices in the emergency departments. Our findings suggest that there is very little research evidence that supports the use of these mobile devices, and more research is needed to better understand and optimize the use of mobile devices. Given the prevalence of handheld devices, it is inevitable that more decision support, charting, and other activities will be performed on these devices. These developments have the potential to improve the quality and timeliness of care but should be thoroughly evaluated.

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)0,005
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0130,014
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,248
Tête enseignante GPT0,555
Écart entre enseignants0,307 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations35
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Informatics JournalMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207