MétaCan
Menu
Retour à la cohorte
Enregistrement W2607305110 · doi:10.1017/s1049023x1700379x

Mobile Response by Medical First Responders at a Music Festival

2017· article· en· W2607305110 sur OpenAlexaff
Matthew Brendan Munn, Nicolas Sparrow, Craig Bertagnolli

Notice bibliographique

RevuePrehospital and Disaster Medicine · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMusic festivalAction (physics)AdvertisingMultimediaPsychologyInternet privacyComputer scienceVisual artsBusinessArt

Résumé

récupéré en direct d'OpenAlex

Background: The Belgian Red Cross provides first aid at 50 events with an attendance of more than 10,000 people every year.Since 2006, every patient encounter gets logged in a database called MedTRIS.The MedTRIS database contains more than 150,000 patient encounters.Methods: The triage category of a patient is recorded upon entering the first aid post.Four categories are used: without treatment, first aid, medical condition and medical emergency.A "medical emergency" requires immediate attention of a physician, a "medical condition/case" can wait.Other patient's characteristics, such as type of injury and type of event, are also recorded.All recorded information was coded for analysis in SPSS©.Results: 162.611 patient encounters are recorded in the MedTRIS database.16.989 (10,5%) patients needed medical attention.1080 (0,8% of total patient encounters) of these patients presented as a medical emergency.In the "medical condition/case" triage category the most prevalent type of injury was of the miscellaneous kind.This category represents -among others-urological and gynecological problems, eye abrasions and patients with chronic conditions.It is worth noting that some of the patients in the miscellaneous category probably belong in one of the other, more specific categories.Other types of injuries such as skin lesions, traumas and intoxications were roughly equally represented.However, in the "medical emergency" category, intoxications were more than three times as common as other type of injuries.Conclusion: True medical emergencies remain infrequent.An on-site physician needs to be capable to treat a multitude of different conditions.However, it is important to note that a medical emergency often concerns an intoxicated patient.Therefore, extra training in this specific type of injury is advisable.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0800,021

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 Opus0,017
Tête enseignante GPT0,302
Écart entre enseignants0,284 · 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePrehospital and Disaster MedicineMême sujetGlobal Health and SurgeryTravaux en français237 207