MétaCan
Menu
Retour à la cohorte
Enregistrement W4254751208 · doi:10.1097/aco.0b013e328332c9b4

Automated anesthesia

2009· review· en· W4254751208 sur OpenAlexaff
Thomas M. Hemmerling

Notice bibliographique

RevueCurrent Opinion in Anaesthesiology · 2009
Typereview
Langueen
DomaineMedicine
ThématiqueHealthcare Technology and Patient Monitoring
Établissements canadiensUniversité de MontréalMontreal General HospitalMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicineWorkloadHuman multitaskingAnestheticAnesthesiaTriageMedical emergencyComputer science

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Anesthesiologists are overloaded with information and multitasking necessities in an extremely complex work environment. The purpose of this review is to present recent developments toward automated anesthesia and present future technologies for everyday clinical practice. RECENT FINDINGS: Decision support systems integrate different parameters, clinical scenarios and assessments by (non)-trained personnel into algorithms, which lead to diagnostic suggestions, triage evaluations or treatment options. Target-controlled anesthesia infusion systems reduce the anesthesiologist's workload; target-controlled analgesia systems have the potential to provide more stable hemodynamic control. Closed-loop delivery of anesthesia is feasible and provides anesthetic control as good as or better than human delivery. Teleanesthesia offers the possibility of distant preoperative assessment of the patient's fitness for anesthesia, aid of trained personnel to perform anesthetic tasks and the control of anesthesia delivery in a distant location. SUMMARY: Decision support systems help to make reliable and standardized decisions in complex environments. Target-controlled infusion systems reduce the anesthetic workload. Closed-loop systems will automate anesthesia care in the near future. Teleanesthesia offers the opportunity to provide safe anesthetic care whenever trained personnel are not available or need support.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,008

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 Opus0,185
Tête enseignante GPT0,468
Écart entre enseignants0,283 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in AnaesthesiologyMême sujetHealthcare Technology and Patient MonitoringTravaux en français237 207