MétaCan
Menu
Retour à la cohorte
Enregistrement W2418232507 · doi:10.1097/ta.0000000000000813

Validation of hand motion analysis as an objective assessment tool for the Focused Assessment with Sonography for Trauma examination

2015· article· en· W2418232507 sur OpenAlexaff
Markus Ziesmann, Jason Park, Bertram Unger, Andrew W. Kirkpatrick, Ashley Vergis, Chau Pham, David Kirschner, Sarvesh Logestty, Lawrence M. Gillman

Notice bibliographique

RevueThe Journal of Trauma: Injury, Infection, and Critical Care · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensUniversity of ManitobaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésFocused assessment with sonography for traumaMatch movingReceiver operating characteristicCohortMedicineLogistic regressionUltrasonographyMotion analysisConstruct validityMotion (physics)Nuclear medicinePhysical medicine and rehabilitationPhysical therapyRadiologySurgeryComputer scienceArtificial intelligenceInternal medicineAbdominal traumaBlunt

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Point-of-care ultrasonography is a standard part of trauma assessments, but there are no objective tools to assess proficiency and ensure high-quality examinations. Hand motion analysis (HMA) has been validated as a measure of surgical skill but has not previously been applied to ultrasonography. HMA was assessed for construct validity in Focused Assessment with Sonography for Trauma (FAST) performance. METHODS: Two cohorts of 12 expert and 12 novice ultrasonographers performed a FAST examination on a healthy volunteer. Hand motions were recorded with the trakSTAR 3D electromagnetic motion-tracking device (Ascension Technology) and analyzed using our custom-designed Motion Analysis and Recording System (MARS) software. Data were recorded at 240 Hz. Outcomes included time of examination, number of movements, and path length. RESULTS: Time of examination was not different between cohorts (expert, 345.9 seconds; novice, 475.7 seconds; p = 0.12). Total path length of travel was shorter, and the number of discreet movements was less in the expert cohort for the left-hand (18.52 m vs. 28.01 m, p = 0.03, and 109.5 vs. 193.9, p = 0.027, respectively) and the right-hand performance (14.25 m vs. 32.09 m, p < 0.01, and 153.5 vs. 258.5, p = 0.03, respectively) versus the novice cohort. Both total path length traveled and total number of discreet movements were associated with expertise level in logistic regression modeling with areas under the receiver operating characteristic curves of 0.8269 and 0.8205, respectively. CONCLUSION: This is the first study in the medical literature showing HMA as an objective, valid measure of FAST imaging performance. These objective, automated metrics can function as an adjunct measure to assess FAST performance as well as follow progress of and provide feedback to learners to improve future performances. LEVEL OF EVIDENCE: A "diagnostic criteria"-style test where the "diagnosis" is a determination of competence in a care provider, level II.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,336
Score d'incertitude au seuil0,315

Scores Codex et Gemma par catégorie

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

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 Opus0,047
Tête enseignante GPT0,410
Écart entre enseignants0,364 · 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 tête enseignante, 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

Citations32
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Trauma: Injury, Infection, and Critical CareMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207