A survey on technologies used during Out of Hospital Cardiac Arrest
Notice bibliographique
Résumé
Background: Out of hospital cardiac arrest (OHCA) causes close to 400,000 deaths every year in North America, and it is also a leading cause of death among young athletes.OHCA is a treatable medical condition, and the patient's survival chances can be increased if immediate treatment is provided to the patient.However, non-treatment of the patient leads to a dramatic decline in survival chances at 10% per minute.Currently, various technologies are being used, and many more are being researched to reduce the time to provide early treatment to the patient.Objective: This survey focuses on summarizing various available technologies for use during OHCA.This survey focuses on evaluating technologies used in each step of the OHCA process.Methods: In this survey, articles were searched using the term "ohca" on Google Scholar and more than 18,000 articles were found.The articles were further filtered using keywords for each stage of the OHCA process (2,128).For each step, articles were filtered again using author developed method to select articles relevant to each technology for each step of the OHCA process (339).Finally, articles were manually filtered by authors based on their relevance and 112 articles were used in this survey.Results: The technologies that exist today work independently and are not linked with the other steps of the OHCA process.Integration between these technologies could help in reducing time and increase the survival chances of the patient.Also, if it is found that some of the proposed solutions are experimental in nature and not meant to be used in the real-world OHCA scenarios.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».