Trauma resuscitation: can team behaviours in the prearrival period predict resuscitation performance?
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: Optimising team performance is critical in paediatric trauma resuscitation. Previous studies in aviation and surgery link performance to behaviours in the prearrival period. Objective: To determine if patterns of human behaviour in the prearrival period of a simulated trauma resuscitation is predictive of resuscitation performance. Design: Twelve volunteer trauma teams performed in four simulation scenarios in a paediatric hospital. The scenarios were video recorded, transcribed and analysed in 10-second intervals. Variation in the amount of utterances per team member in the prearrival period was compared with team performance and implicit coordination during the resuscitation. Key results: Coders analysed 18 962 s of video. They coded 5204 team member utterances into one of eight communication behaviour categories. Inter-rater reliability was excellent (an average of 83.1% across all four scenarios). The average number of communications occurring during the prearrival period was 18.84 utterances, with a range of 2-42 and a SD of 9.55. The average length of this period was almost 2 minutes (mean =117.30 s, SD=39.20). Lower variance in team member communication during the prearrival better was associated with better implicit coordination (p=0.011) but not team performance (p=0.054) during the resuscitation. Conclusion: Patterns of communication in the prearrival trauma resuscitation period predicted implicit coordination and a trend towards significance for team performance which suggests further studies in such patterns are warranted.
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 | 0,003 |
| 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 | 0,000 |
| 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