Out-of-Hospital Decision Making and Factors Influencing the Regional Distribution of Injured Patients in a Trauma System
Notice bibliographique
Résumé
BACKGROUND: The decision-making processes used for out-of-hospital trauma triage and hospital selection in regionalized trauma systems remain poorly understood. The objective of this study was to assess the process of field triage decision making in an established trauma system. METHODS: We used a mixed methods approach, including emergency medical services (EMS) records to quantify triage decisions and reasons for hospital selection in a population-based, injury cohort (2006-2008), plus a focused ethnography to understand EMS cognitive reasoning in making triage decisions. The study included 10 EMS agencies providing service to a four-county regional trauma system with three trauma centers and 13 nontrauma hospitals. For qualitative analyses, we conducted field observation and interviews with 35 EMS field providers and a round table discussion with 40 EMS management personnel to generate an empirical model of out-of-hospital decision making in trauma triage. RESULTS: A total of 64,190 injured patients were evaluated by EMS, of whom 56,444 (88.0%) were transported to acute care hospitals and 9,637 (17.1% of transports) were field trauma activations. For nontrauma activations, patient/family preference and proximity accounted for 78% of destination decisions. EMS provider judgment was cited in 36% of field trauma activations and was the sole criterion in 23% of trauma patients. The empirical model demonstrated that trauma triage is driven primarily by EMS provider "gut feeling" (judgment) and relies heavily on provider experience, mechanism of injury, and early visual cues at the scene. CONCLUSIONS: Provider cognitive reasoning for field trauma triage is more heuristic than algorithmic and driven primarily by provider judgment, rather than specific triage criteria.
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 | 0,003 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».