MétaCan
Menu
Retour à la cohorte
Enregistrement W2339481285 · doi:10.1503/cjs.013514

The Canadian Armed Forces medical response to Typhoon Haiyan

2015· article· en· W2339481285 sur OpenAlexaffvenueabout
Erin Savage, Stephanie Smith, Dylan Pannell

Notice bibliographique

RevueCanadian Journal of Surgery · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensCanadian Armed ForcesMount Sinai HospitalUniversity Health NetworkNational Defence Medical CentreUniversity of TorontoToronto General HospitalDepartment of National Defence
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical emergencyTyphoonDisaster responseDisaster medicineGovernment (linguistics)Data collectionFirst aidSuicide preventionPoison controlEmergency management

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In the setting of international disaster response, an important challenge is determining when it is appropriate to withdraw deployed assets as the acute disaster response transitions to recovery and rebuilding. We describe our experience with realtime data collection during our medical response to Typhoon Haiyan as a means to guide military aid mission parameters. METHODS: The operational medical headquarters prospectively developed a database for use in this mission. Mobile medical teams (MMTs) were deployed to provide primary care, and the nurse designated to each MMT was responsible for entering and transmitting data daily to the medical headquarters. Data collected included the MMT location, basic patient demographics, the primary reason for the encounter and any treatment provided. These encounters were then classified as disaster, acute or chronic. RESULTS: Between Nov. 16 and Dec. 16, 2013, medical care was provided to 6596 local nationals; 238 (3.6%) had disaster-related illness or injury, 4321 (65.5%) had acute postdisaster medical conditions and 2037 (30.9%) sought medical care for chronic conditions. Of the 257 patients with traumatic injuries, 28 (11%) had disaster-related injuries and 214 (83%) had acute injuries that occurred postdisaster. CONCLUSION: The data collected during the mission to the Phillippines was compiled with performance metrics from the other Disaster Assistance Response Team components to help advise the Canadian government regarding mission duration. We recommended that data collection continue on all future missions and be modified to provide further information to larger disaster coordination teams, such as the United Nations Office for the Coordination of Humanitarian Affairs.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,001
Communication savante0,0020,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,168
Tête enseignante GPT0,401
Écart entre enseignants0,233 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations17
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of SurgeryMême sujetDisaster Response and ManagementTravaux en français237 207