P1492HUMAN FACTORS TESTING OF THE QUANTA SC+: DEMONSTRATING EASE OF USE WITH MINIMAL UPFRONT TRAINING IN HEALTH CARE PRACTITIONERS AND PATIENTS
Notice bibliographique
Résumé
Abstract Background and Aims Quanta Dialysis Technologies has developed a compact, powerful personal haemodialysis system intended for home and self-care use designed in collaboration with patients and healthcare practitioners. Human factors testing is necessary to demonstrate ease of use with minimal up-front training. Method In compliance with FDA guidance and EU standards, the user interface of the system was evaluated through human factors testing to assess the safe and effective use of SC+. This included a series of user-based tasks whereby representative users independently setup SC+ into a simulated treatment, managed alarms to resolution and external SC+ cleaning/disinfection. All participants received an introduction to SC+ and completed a competency sign off at the end of training. 17 healthcare professionals (6 renal nurses, 8 dialysis technicians, 1 patient care technician) received up to 4 hours of structured training followed by a 1-day learning decay period. In addition, 10 lay users (8 dialysis patients, 2 caregivers) received between 5.5 and 7.5 hours training followed by a 2-day learning decay period. Results Between the two user groups, there were a total of 8,110 opportunities for use errors to occur. Despite minimal training and representative learning decay, only 4 significant use events were observed requiring some user manual enhancements. Other use errors captured were minor or could not be mitigated further due to clinical practices and shared inherent risks across all haemodialysis systems. Conclusion The results of the human factors testing demonstrated that healthcare practitioners, patients and caregivers successfully operated SC+ independently with a high level of use safety, despite minimal training and learning decay. The SC+ user interface is optimized for safe and effective use under FDA guidance and EU standards.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».