MétaCan
Menu
Retour à la cohorte
Enregistrement W2963527108 · doi:10.3389/fneur.2019.00840

The Potential of Telemedicine to Improve Pediatric Concussion Care in Rural and Remote Communities in Canada

2019· article· en· W2963527108 sur OpenAlexaffabout
Michael J. Ellis, Kelly Russell

Notice bibliographique

RevueFrontiers in Neurology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensPan Am ClinicChildren's Hospital Research Institute of ManitobaUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésConcussionTelemedicineMedicineMedical emergencyPoison controlInjury preventionHealth care

Résumé

récupéré en direct d'OpenAlex

Concussion is a form of mild traumatic brain injury that affects thousands of Canadian children and adolescents annually. Despite national efforts to harmonize the recognition and management of pediatric concussion in Canada, timely access to primary and specialized care following this injury remains a challenge for many patients especially those who live in rural and remote communities. To address similar challenges facing patients with stroke and other neurological disorders, physicians have begun to leverage advances in telemedicine to improve the delivery of specialized neurological care to those living in medically underserved regions. Preliminary studies suggest that telemedicine may be a safe and cost-effective approach to assist in the medical care of select patients with acute concussion and persistent post-concussion symptoms. Here we provide an overview of telemedicine, teleneurology, the principles of concussion assessment and management, as well as the current state of concussion care in Canada. Utilizing preliminary evidence from studies of telemedicine in concussion and experience from comprehensive systems of care for stroke, we outline steps that must be taken to evaluate the potential of telemedicine-based concussion networks to improve the care of pediatric concussion patients living in underserved rural and remote communities in Canada.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,118
Score d'incertitude au seuil0,517

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,249
Écart entre enseignants0,241 · 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 tête enseignante, 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

Citations45
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetTraumatic Brain Injury ResearchTravaux en français237 207