MétaCan
Menu
Retour à la cohorte
Enregistrement W3177557123 · doi:10.7759/cureus.16260

What Adult Electrocardiogram (ECG) Diagnoses or Findings are Most Important for Advanced Care Paramedics to Know?

2021· article· en· W3177557123 sur OpenAlexaffabout
Aaron Sibley, Mathew H MacLeod, Catherine Patocka, Jenny Yu, Henrik Stryhn, Trevor Jain

Notice bibliographique

RevueCureus · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueECG Monitoring and Analysis
Établissements canadiensHolland CollegeUniversity of CalgaryUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical diagnosisLikert scaleContext (archaeology)Delphi methodMedical emergencyEmergency medical servicesFamily medicinePsychologyPathology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The interpretation of electrocardiograms (ECGs) is an essential competency in modern paramedicine. Although educational guidelines for paramedic ECG interpretation exist, they are broad, not evidence-based, and lack prioritization in a prehospital clinical context. We conducted this study to gain consensus among stakeholders (EMS physicians, paramedic educators, and paramedic clinicians) regarding which ECG diagnoses or findings are most important for a practising advanced care paramedic to know. Methods: This study was an internet-based Delphi survey. We purposefully sampled participants in pairs (physician/paramedic) from all 10 Canadian provinces. Individuals rated a previously developed comprehensive list of emergency ECG diagnoses or findings on the importance of paramedic recognition and impact on prehospital care using a 4-point Likert scale. The consensus was achieved with a minimum of 75% agreement on Likert rating for a single diagnosis or finding during survey rounds one to three. When consensus was not reached, stability was defined as a shift of individual ratings between rounds of 20% or less. RESULTS: All 20 participants completed the first and second rounds of the survey, and 17 (85%) completed three rounds. Overall, 32 (26.4%) of 121 potentially important ECG diagnoses or findings reached consensus, 2 (1.7%) reached stability and 87 (71.9%) reached neither consensus nor stability. Twenty-one (17.4%) diagnoses or findings were considered "Very Important", six (4.9%) "Important", and five (4.1%) "Minimally Important". In the first round of the survey, the mean rating of the importance of a paramedic knowing a specific ECG diagnosis or finding was lower in the physician group than the paramedic group on 85 (72%) of 118 initial diagnoses or findings. CONCLUSION: We have created a list of ECG diagnoses or findings prioritized for the prehospital context that may assist paramedic educators in focusing on educational interventions. Many ECG diagnoses or findings failed to reach consensus or stability, demonstrating potential disagreement regarding clinical expectations for ECG knowledge among paramedics or physicians.

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)0,006
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,012
Tête enseignante GPT0,317
Écart entre enseignants0,305 · 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'étudeQualitatif
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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetECG Monitoring and AnalysisTravaux en français237 207