MétaCan
Menu
Retour à la cohorte
Enregistrement W2750552527 · doi:10.1136/archdischild-2017-313114

Analysis of neonatal resuscitation using eye tracking: a pilot study

2017· article· en· W2750552527 sur OpenAlexafffund
Brenda Hiu Yan Law, Po‐Yin Cheung, M. Wagner, Sylvia van Os, Bin Zheng, Georg M. Schmölzer

Notice bibliographique

RevueArchives of Disease in Childhood Fetal & Neonatal · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare Technology and Patient Monitoring
Établissements canadiensRoyal Alexandra HospitalUniversity of Alberta
Organismes subventionnairesUniversity of AlbertaHeart and Stroke Foundation of Canada
Mots-clésNeonatal resuscitationResuscitationEye trackingMedicineMedical emergencyEmergency medicineComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Visual attention (VA) is important for situation awareness and decision-making. Eye tracking can be used to analyse the VA of healthcare providers. No study has examined eye tracking during neonatal resuscitation. OBJECTIVE: To test the use of eye tracking to examine VA during neonatal resuscitation. METHODS: Six video recordings were obtained using eye tracking glasses worn by resuscitators during the first 5 min of neonatal resuscitation. Videos were analysed to obtain (i) areas of interest (AOIs), (ii) time spent on each AOI and (iii) frequency of saccades between AOIs. RESULTS: Five videos were of acceptable quality and analysed. Only 35% of VA was directed at the infant, with 33% at patient monitors and gauges. There were frequent saccades (0.45/s) and most involved patient monitors. CONCLUSION: During neonatal resuscitation, VA is often directed away from the infant towards patient monitors. Eye tracking can be used to analyse human performance during neonatal resuscitation.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,004
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,045
Tête enseignante GPT0,359
Écart entre enseignants0,314 · 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

Citations56
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArchives of Disease in Childhood Fetal & NeonatalMême sujetHealthcare Technology and Patient MonitoringTravaux en français237 207