MétaCan
Menu
← Retour à la cohorte
Enregistrement W3014958250 · doi:10.5430/jnep.v10n6p47

First initiatives in prehospital care-Basing assessments on incomplete preliminary information

2020· article· en· W3014958250 sur OpenAlexvenueno aff
Martin N. Hernborg, Eric Carlström, Johan Berlin

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedical emergencyPreparednessComplete informationMedicineAmbulance serviceNursing

Résumé

récupéré en direct d'OpenAlex

Rationale and aim: Ambulance staff, i.e. registered nurses and assistant nurses, receive assignments from emergency dispatch centres including information on level of priority, address and patient’s care requirements. One problem is that the preliminary information the dispatcher gives to the ambulance staff may be incomplete. The purpose of this study was to determine how ambulance staff base their assessments on incomplete preliminary information when assessing care requirements.Methods: Fifteen ambulance staff working at seven ambulance stations were interviewed for this study. Interviews were transcribed and analysed using content analysis.Results: Incomplete preliminary information means that ambulance staff may be misdirected. This means that if the preliminary information from the dispatcher is incomplete, the ambulance staff need to reassess, and this is perceived to be difficult. Ambulance staff tend to stick to the first initiative that is taken after they receive an alert from the dispatcher.Conclusions: When ambulance staff receive incomplete preliminary information, they need to consider the possibility of conducting a reassessment. Based on the results, there is a need for new procedures to improve preparedness to conduct a reassessment after receiving incomplete preliminary information.

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)0,056
score de la tête « metaresearch » (Gemma)0,169
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: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,297

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0560,169
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,005
Communication savante0,0050,009
Science ouverte0,0030,009
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,077
Tête enseignante GPT0,435
Écart entre enseignants0,359 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and Practice→Même sujetEmergency and Acute Care Studies→Travaux en français237 207→