Comparison of Unmanned Aerial Vehicle Technology Versus Standard Practice in Identification of Hazards at a Mass Casualty Incident Scenario by Primary Care Paramedic Students
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
IntroductionThe proliferation of unmanned aerial vehicles (UAV) has the potential to change the situational awareness of incident commanders allowing greater scene safety. The aim of this study was to compare UAV technology to standard practice (SP) in hazard identification during a simulated multi-vehicle motor collision (MVC) in terms of time to identification, accuracy and the order of hazard identification. METHODS: A prospective observational cohort study was conducted with 21 students randomized into UAV or SP group, based on a MVC with 7 hazards. The UAV group remained at the UAV ground station while the SP group approached the scene. After identifying hazards the time and order was recorded. RESULTS: The mean time (SD, range) to identify the hazards were 3 minutes 41 seconds (1 minute 37 seconds, 1 minute 48 seconds-6 minutes 51 seconds) and 2 minutes 43 seconds (55 seconds, 1 minute 43 seconds-4 minutes 38 seconds) in UAV and SP groups corresponding to a mean difference of 58 seconds (P=0.11). A non-parametric permutation test showed a significant (P=0.04) difference in identification order. CONCLUSION: Both groups had 100% accuracy in hazard identification with no statistical difference in time for hazard identification. A difference was found in the identification order of hazards. (Disaster Med Public Health Preparedness. 2018;12:631-634).
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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