MétaCan
Menu
Retour à la cohorte
Enregistrement W2977259384

The impact of transport of critically ill pediatric patients on rural emergency departments in Manitoba.

2017· article· en· W2977259384 sur OpenAlexaffabout
Gregory Hansen, Darcy Beer, Jeff K. Vallance

Notice bibliographique

RevuePubMed · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensAthabasca UniversityChildren's Hospital of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésStaffingCritically illMedicinePopulationTertiary careRural areaRural populationCatchment areaEmergency medicineMedical emergencyNursingGeographyDrainage basinEnvironmental healthIntensive care medicineCartography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Although the interfacility transport (IFT) of critically ill pediatric patients from rural to tertiary health centres may improve outcomes, the impact of IFTs on the rural referring centre is not known. The purpose of this study was to investigate how the IFT of critically ill children affects staffing and functionality of rural emergency departments (EDs) in Manitoba. METHODS: In 2015, surveys were emailed to the medical directors of all 15 regional EDs within 2 hours' travel time from a tertiary pediatric hospital. The survey consisted of 9 questions that addressed baseline characteristics of the regional EDs and duration of ED staffing changes or closures due to IFT of critically ill pediatric patients. RESULTS: Ten surveys were received (67% response rate); a regional ED catchment population of about 130 000 people was represented. Interfacility transport caused most EDs (60%, with an average catchment population of 15 000) to close or to alter their staffing to a registered nurse only. These temporary changes lasted a cumulative total of 115 hours. CONCLUSION: Interfacility transport of critically ill pediatric patients resulted in ED closures and staffing changes in rural Manitoba. These findings suggest that long-term sustainable solutions are required to improve access to emergency care.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,438
Score d'incertitude au seuil0,881

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,028
Tête enseignante GPT0,294
Écart entre enseignants0,266 · 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

Citations4
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetTrauma and Emergency Care StudiesTravaux en français237 207