The impact of humanoid robot presence in the paediatric emergency department waiting room: A prospective cohort study
Notice bibliographique
Résumé
BACKGROUND: The waiting room represents families' first point of contact with the emergency department (ED). We wished to study if a humanoid robot technology presence in the waiting room would improve satisfaction and decrease anxiety for caregivers in the paediatric ED. METHODS: This observational cohort study was conducted from September to December 2018 at a Canadian paediatric ED. All caregivers and children >11 years in the ED waiting room were eligible. We compared a robotic intervention (RI) to standard of care (SOC) education in the waiting room. The RI was a 5-minute psychoeducational program describing the ED process and flow. Specific days were designated for RI or SOC. An anonymous survey was administered twice, at the same times, on both SOC and RI days. The primary outcomes were (a) caregiver satisfaction with waiting room experience using a 5-point Likert scale; and (b) caregiver-reported anxiety in the waiting room, as measured by the State Trait Anxiety Inventory - State Scale. RESULTS: Six hundred and thirty-three caregivers participated, with a median age of 37 years (IQR 32 to 42); 80 children participated, with a median age of 15 years (IQR 13 to 16). Caregivers reported greater overall satisfaction in the RI cohort (174/200, 87.0%) compared to the SOC cohort (144/229, 62.9%; P<0.0001). Caregivers also reported lower anxiety in the RI cohort (39.38±11.38) compared to the SOC cohort (42.04±11.99; P=0.009). CONCLUSIONS: A humanoid robot-based psycho educational intervention in the paediatric ED waiting room has a positive impact on caregiver satisfaction and anxiety.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».