P074: Comparison of unmanned aerial vehicle technology versus standard practice in triaging casualties by paramedic students in a mass casualty incident scenario
Notice bibliographique
Résumé
Introduction: The proliferation of unmanned aerial vehicle (UAV) technology has the potential to change the way medical incident commanders respond to mass casualty incidents (MCI) in triaging victims. The aim of this study was to compare UAV technology to standard practice (SP) in triaging casualties at a MCI Methods: A randomized comparison study was conducted with forty paramedic students from the Holland College Paramedicine Program. Using a simulated motor vehicle collision with moulaged casualties, iterations of twenty students were used for both a day and a night trial. Students were randomized to an UAV or a SP group. After a brief narrative participants either entered the study environment or used UAV technology where total time to triage completion, green casualty evacuation, time on scene, triage order and accuracy was recorded Results: A statistical difference in the time to completing of 3.63 minutes (95% CI: 2.45, 4.85, p=0.002) during the day iteration and a difference of 3.49 minutes (95% CI: 2.08,6.06, p=0.002) for the night trial with UAV groups was noted. There was no difference found in time to green casualty evacuation, time on scene or triage order. One hundred percent accuracy was noted between both groups. Conclusion: This study demonstrated the feasibility of using an UAV at a MCI. A non clinical significant difference was noted in total time to completion between both groups. There was no increase in time on scene by using the UAV while demonstrating the feasibility of remotely triaging green casualties prior to first responder arrival.
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 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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».