MétaCan
Menu
Retour à la cohorte
Enregistrement W2143932921 · doi:10.1001/dmp.2011.45

Information Technology Systems for Critical Care Triage and Medical Response During an Influenza Pandemic: A Review of Current Systems

2011· review· en· W2143932921 sur OpenAlexafffundabout
Kristofer Bandayrel, Stephen E. Lapinsky

Notice bibliographique

RevueDisaster Medicine and Public Health Preparedness · 2011
Typereview
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensUniversity of TorontoToronto Metropolitan University
Organismes subventionnairesCanadian Institutes of Health ResearchU.S. Department of Homeland Security
Mots-clésTriagePandemicMedical emergencyPreparednessMedicinePolitical scienceBusinessCoronavirus disease 2019 (COVID-19)Infectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To assess local, state, federal, and global pandemic influenza preparedness by identifying pandemic plans at the local, state, federal, and global levels, and to identify any information technology (IT) systems in these plans to support critical care triage during an influenza pandemic in the Canadian province of Ontario. METHODS: The authors used advanced MEDLINE and Google search strategies and conducted a comprehensive review of key pandemic influenza Web sites. Descriptive data extraction and analysis for IT systems were conducted on all of the included pandemic plans. RESULTS: A total of 155 pandemic influenza plans were reviewed: 29 local, 62 state, 63 federal, and 1 global. We found 70 plans that examined IT systems (10 local, 33 state, 26 federal, 1 global), and 85 that did not (19 local, 29 state, 37 federal). Of the 70 plans, 64 described surveillance systems (10 local, 32 state, 21 federal, 1 global), 2 described patient data collection systems (1 state, 1 federal); 4 described other types of IT systems (4 federal), and none were intended for triage. CONCLUSIONS: Although several pandemic plans have been drafted, the majority are high-level general documents that do not describe IT systems. The plans that discuss IT systems focus strongly on surveillance, which fails to recognize the needs of a health care system responding to an influenza pandemic. The best examples of the types of IT systems to guide decision making during a pandemic were found in the Kansas and the Czech Republic pandemic plans, because these systems were designed to collect both patient and surveillance data. Although Ontario has yet to develop such an IT system, several IT systems are in place that could be leveraged to support critical care triage and medical response during an influenza pandemic.

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)0,009
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0210,025
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
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 Opus0,192
Tête enseignante GPT0,484
Écart entre enseignants0,291 · 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'étudeSans objet
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

Citations7
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDisaster Medicine and Public Health PreparednessMême sujetData-Driven Disease SurveillanceTravaux en français237 207