Speed and accuracy of text-messaging emergency department electrocardiograms from a small community hospital to a provincial referral center
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.
Notice bibliographique
Résumé
BACKGROUND: Currently, transmission of electrocardiograms (EKGs) from a small emergency department (ED) to specialists at referral hospitals can be a time-consuming and laborious process. We investigate whether text messaging by use of short message service (SMS) of EKGs from a small hospital to consultants at a large hospital is rapid and accurate. METHODS: This study involved a one-month prospective evaluation of consecutive EKGs recorded in a small community ED. Investigators obtained de-identified photographs of each EKG via a mobile phone camera. Each EKG picture, along with a brief patient clinical history, was sent via SMS to on-call emergency physicians located at a large referral care site. All images were evaluated solely on a mobile phone. The primary outcome was the proportion of SMS that were received within two minutes of being sent. As a secondary outcome, the intra-rater evaluation of the initial EKG and the SMS EKG image were compared on 13 standardized features. The tertiary outcome was cost of text messaging. RESULTS: A total of 298 patients (14.6%) had 409 EKGs performed and a total of 926 SMS were sent. 921 SMS (99.5%, 95% confidence interval (CI) 98.7-99.8%) arrived within two minutes with a median transmission time of nine seconds (interquartile range (IQR) 3-32 s). Between the gold standard original EKG, and the interpretation of the texted image, six out of 409 (1.5%, 95% CI 0.6-3.3%) had any differences recorded, across all 13 categories. Overall, the study cost 4.1 cents per texted image. CONCLUSIONS: Systematic text messaging of ED EKGs from a small community hospital to a referral center is a rapid, accurate, portable, and inexpensive method of data transfer. This may be a safe and effective strategy to communicate vital patient information.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle