Abstract 17679: Automating Cardiopulmonary Resuscitation Quality Data Abstraction for Entire Episodes of Cardiac Arrest Resuscitation
Notice bibliographique
Résumé
Introduction: Research and quality assessment of cardiopulmonary resuscitation (CPR) quality has traditionally been limited to the first five minutes of resuscitation due to significant costs in both time and personnel from manual data abstraction. Manual CPR quality data abstraction of entire episodes of resuscitation may be too resource-intensive for many emergency medical service (EMS) agencies and hospitals. Moreover, the first five minutes of CPR are also different in many aspects compared to later time periods during cardiac arrest resuscitation, which represents significant knowledge gaps since the majority of resuscitations go beyond five minutes. Methods: We developed a software program to facilitate and help automate data abstraction from electronic defibrillator files for entire resuscitation episodes. Internal validation of the software program was performed on 50 randomly selected out-of-hospital cardiac arrest cases with resuscitation durations up to 60 minutes. CPR quality data variables were abstracted as minute averages, which included ventilation rate, CPR compression rate, depth, fraction, and end-tidal CO2. CPR quality data variables were manually abstracted independently by two trained data abstractors and automatically by the software program. Error rates and the time needed for data abstraction were measured. Results: A total of 9826 data points were abstracted. Manual data abstraction resulted in a total of six errors (0.06%) compared to zero errors by the software program. The mean time ± SD needed for data abstraction was 20.3 ± 2.7 minutes manually and 5.3 ± 1.4 minutes using the software program (p=0.003). Conclusion: Our data abstraction software was 100% accurate in abstracting CPR quality data for complete cardiac arrest resuscitation episodes. It significantly reduced the time and resources required to abstract CPR quality data, and will allow EMS agencies and hospitals to evaluate their CPR quality in a cost-effective manner. The development of this software will enable future studies to efficiently evaluate CPR quality during entire resuscitation episodes, including its impact on patient outcomes during prolonged cardiac arrests.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».