MétaCan
Menu
Retour à la cohorte
Enregistrement W2979702842 · doi:10.1111/1742-6723.13474

Oral Presentations

2020· article· en· W2979702842 sur OpenAlexaff

Notice bibliographique

RevueEmergency Medicine Australasia · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAirway Management and Intubation Techniques
Établissements canadiensCasey House
Organismes subventionnairesnon disponible
Mots-clésMedicine

Résumé

récupéré en direct d'OpenAlex

Objective: The purpose of the research reported in this paper was to investigate, using data gathered from simulated Out of Hospital Cardiac Arrest (OHCA) exercises, the impact on the quality of chest compressions when introducing a King Laryngeal-Tube (KLT) airway and then employing the LUCAS mechanical CPR device or employing the LUCAS and then securing the KLT airway. These findings may also provide EMS practitioners with evidence-based guidance on how to better employ the LUCAS in an OHCA. Methods: Student paramedic 2-person crews were assigned a simulated call for a "58 y/o patient, not conscious, not-breathing". On entering the scene, the crew finds an adult manikin supine, on the floor. The crew managed the initial stages of a simulated adult OHCA VF simulation using a simple, well-practiced BLS drill, a LUCAS, and a Supra-Glottic-Airway (SGA) while minimising interruptions to chest compressions. Results: The primary outcome measure was the length of time that no chest compressions were taking place in each simulated scenario. A significant statistical difference was found between the LUCAS-first condition, with a mean time off the chest of 4.63 s and the Airway-first condition, which had 5.25 s, z (-8.509) with critical value 1.96.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,785
Score d'incertitude au seuil0,912

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0880,000

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 Opus0,097
Tête enseignante GPT0,381
Écart entre enseignants0,284 · 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.

Devis d'étudeSans objet
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEmergency Medicine AustralasiaMême sujetAirway Management and Intubation TechniquesTravaux en français237 207