MétaCan
Menu
Retour à la cohorte
Enregistrement W2944700753 · doi:10.1017/s1049023x19003273

Low-Cost High-Efficiency Joint Training Program

2019· article· en· W2944700753 sur OpenAlexaffabout
Emmanuelle St-Arnaud

Notice bibliographique

RevuePrehospital and Disaster Medicine · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensSante Montreal
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionInteroperabilityWork (physics)BusinessIntervention (counseling)Service (business)Operations managementPublic relationsFirefightingSupervisorPsychologyEngineeringNursingPolitical scienceMarketingComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Introduction: As the second largest metropolitan area in Canada, Montréal has its share of risks for disasters and major incidents. In such events, the interoperability of emergency services is critical to effective interventions. As the emergency medical service (EMS) for the cities of Montréal and Laval, the Urgences-santé Corporation (USC) has close ties with several emergency partners on the territory, including police and fire departments. These different organizations have joined forces to develop a tabletop exercise program (TEP) to train operational managers to initiate a better-coordinated response on joint interventions. Aim: The TEP was designed to enhance interoperability in the field by improving communication and the understanding of the roles, responsibilities, methods of coordination and decision-making in each of the organizations involved. The aim is for all of USC’s operational managers to participate in at least one exercise of the TEP within the first year of the program. Methods: Selection criteria were established to gather, for each exercise, managers that are likely to work with one another on a real intervention. The TEP was also designed in such a way that its implementation would require few resources and yield minimal impact on regular operations. Results: After four pilot exercises to fine-tune the approach, the program was launched on October 5, 2018. We have now run eight exercises, each involving one or more USC supervisor. The response has been very favorable from the participants as well as their directors. Discussion: In the short term, the TEP helps managers understand their counterparts’ key issues, and has already yielded improvements in our joint interventions. In the longer term, the program will help identify specific training needs to better equip responders.

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)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,352

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0030,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,1050,022

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 Opus0,055
Tête enseignante GPT0,370
Écart entre enseignants0,316 · 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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePrehospital and Disaster MedicineMême sujetDisaster Response and ManagementTravaux en français237 207