MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210249884 · doi:10.1161/str.53.suppl_1.tp87

Abstract TP87: Discrete-event Simulation Of The Prehospital Stage Of The Acute Ischemic Stroke

2022· article· en· W4210249884 sur OpenAlexaff
Gizem Koca, Noreen Kamal

Notice bibliographique

RevueStroke · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)Emergency medical servicesEmergency medicineAcute strokeEmergency departmentStage (stratigraphy)Mann–Whitney U testMedical emergencyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: It is critical to treat Acute Ischemic Stroke (AIS) patients quickly; however, treatment eligibility is dependent on the arrival time to the nearest stroke center by Private Vehicle (PV) or Emergency Medical Services (EMS). The duration in the prehospital stage is defined as the period from stroke onset to arrival at a non-stroke center, primary stroke center or comprehensive stroke center. This study aims to detail the prehospital stage of suspected AIS patients in order to identify opportunities for process improvements. Methods: Discrete-event simulation (DES) is a powerful decision-making tool and robust methodology for evaluating treatment processes and allows for improvements to be tested before implementing changes using real resources. A DES is developed using ARENA software to model the prehospital stage of suspected AIS patients. The process steps include two treatment pathways, PV and EMS. The pathways differ because those patients arriving via EMS allow for the activation of the code stroke protocol prior to hospital arrival. The drive times from the stroke scene to the hospital were kept constant at 40 min assuming a suburban transport. The model assumes 60% recognition of ischemic stroke using EMS stroke screening tools and large vessel occlusion screening tools and a 90% probability that the paramedics correctly screen for a potential stroke and bypass to a stroke center. The primary outcome measure is median onset-to-door time, defined as the time from onset of stroke symptoms to arrival to the hospital. The Mann-Whitney U test is used for evaluating statistical significance among the outputted median onset-to-door time for all scenarios. Results: The following process improvement scenarios were run: reducing the waiting time for EMS on average from 7 min to 5 min and reducing delays on-scene on average from 20 min to 15 min, and the median onset-to-door time reductions were from a median of 57.53 min to a median of 51.41 min (p<0.0001). Conclusions: Reduction in onset to arrival times is possible by reducing waiting time for the EMS and delay on-scene of the stoke.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,074
Tête enseignante GPT0,429
Écart entre enseignants0,355 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke→Même sujetClinical practice guidelines implementation→Travaux en français237 207→