A Randomized Comparison of Clothing Removal Techniques in a Simulated Trauma Patient Exposure
Notice bibliographique
Résumé
Introduction Trauma shears are commonly used by emergency medical services (EMS) providers to remove clothing from patients and expose underlying traumatic injuries. Other tools exist that may be more effective, but they are largely untested. This study compared the use of trauma shears versus two cutting hooks in removing clothing from a simulated trauma patient. Methods We recruited 18 paramedic students to participate in a cross-over study designed to remove clothing from a wholly dressed full-body training mannequin using trauma shears (with the cut-and-rip (CAR) technique) and two cutting hooks (S-Cut QE (ES Equipment AB, Nol, Sweden) and the Talon Rescue Emergency Clothing Knife (TRECK+, Talon Rescue, Farmington, CT, USA)). We determined the order of the tools using a three-by-three Latin square and randomized participants equally between possible orders to minimize carryover effects. We recorded times for total clothing removal and the removal of clothing from the upper and lower body, respectively. We employed a mixed-effects analysis of variance (ANOVA) to determine any differences between tools. Results Removal time was significantly faster with the S-Cut QE compared to the CAR technique and TRECK+ (mean 78 seconds, 95% confidence interval (CI) 52-103 vs. 142 seconds, 95% CI 117-167, vs. 209 seconds, 95% CI 184-235, p<0.001). The S-Cut QE was significantly faster than the CAR technique and TRECK+ for upper body clothing removal (mean 47 seconds, 95% CI 30-64 vs. 92 seconds, 95% CI 75-109, vs. 131 seconds, 95% CI 115-148, p<0.001) and the S-Cut QE and CAR were significantly faster than TRECK+ for lower body clothing removal (mean 25 seconds, 95% CI 11-38 and 44 seconds, 95% CI 31-58 vs. 71 seconds, 95% CI 58-85, p<0.001). Most (78%) participants preferred the S-Cut QE over other tools. Conclusion The S-Cut QE removed clothing from a simulated trauma patient faster than both the CAR and TRECK+. Emergency medical services (EMS) agencies should consider adding a cutting hook to their standard trauma kit.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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.
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 ».