MétaCan
Menu
Retour à la cohorte
Enregistrement W2944491260 · doi:10.1017/s1049023x19002280

Collaborative Relationships for Mass Gathering Events

2019· article· en· W2944491260 sur OpenAlexaff
Tracie Jones

Notice bibliographique

RevuePrehospital and Disaster Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueTravel-related health issues
Établissements canadiensFraser Health
Organismes subventionnairesnon disponible
Mots-clésMass gatheringMedical emergencyAcute careService (business)Mass-casualty incidentHealth careEvent (particle physics)MedicineLocal communityHarmPublic healthNursingPsychologyBusinessPoison controlSuicide preventionPolitical science

Résumé

récupéré en direct d'OpenAlex

Introduction: Electronic Dance Music events (EDMs) are complex mass gatherings and given published rates of illnesses, injuries, and hospitalizations, these events can place an additional burden on local health care services. Accordingly, during the planning process for EDMs many stakeholders are involved; however, local hospitals, a key part of the medical safety plan, are often excluded. In this case report, it is posited that the involvement of local hospital(s) and the resulting integration of on-site and acute-care service provision during an event, ultimately reduces the burden placed on local hospitals. Methods: Case report; synthesis of published literature. Results: A 25,000 person per day, two-day mass gathering EDM event trialed a model of collaborative planning with a local community hospital. Planning included the identification of a hospital liaison, pre-event teleconferences between event staff, contracted and public medical response teams, emergency management teams, harm reduction practitioners, public health, and hospital personnel. Throughout the collaborative planning process, vital information was shared in order to optimize patient continuity of care and streamline the transition of care from site medical response to an acute care setting. Outcomes included the prevention of unnecessary transfers to the hospital; however, those patients who required transfer had their initial treatment started prior to leaving the venue. Further, collaborative planning also contributed to improved bidirectional data sharing to better understand the impact on the local hospital of the event, including transfers from the onsite medical team as well as transports from the community and self-presentations for care. Discussion: The collaboration of onsite medical and hospital teams improved the delivery of essential medical care to the patrons of the event and added a layer to the safety planning process essential to mass gathering events.

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)0,030
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,159

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,074
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0050,004
Science ouverte0,0020,008
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0360,003

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 Opus0,020
Tête enseignante GPT0,296
Écart entre enseignants0,276 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePrehospital and Disaster MedicineMême sujetTravel-related health issuesTravaux en français237 207