MétaCan
Menu
Retour à la cohorte
Enregistrement W4319997783 · doi:10.1016/j.heliyon.2023.e12985

Smarter faster just-in-time hemorrhage control: A pilot evaluation of remotely piloted aircraft system delivered STOP-THE-BLEED equipment with just-in-time remote telementored deployment

2023· article· en· W4319997783 sur OpenAlexaff
Andrew W. Kirkpatrick, Jessica McKee, John Conly, Kristin Flemons, Wade Hawkins

Notice bibliographique

RevueHeliyon · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare Technology and Patient Monitoring
Établissements canadiensCARE CanadaSAIT PolytechnicFoothills Medical CentreUniversity of Calgary
Organismes subventionnairesCSL Behring
Mots-clésSoftware deploymentBleedMedicineRemote controlMedical emergencyTask (project management)AeronauticsEngineeringComputer scienceSurgeryComputer hardware

Résumé

récupéré en direct d'OpenAlex

Introduction: Remotely Piloted Aircraft Systems (RPAS) can access patients inaccessible to traditional rescue. Just-in-time remote telementoring (RTM) of naïve users to self-care could potentially address challenges in salvaging exsanguination in remote environments. Methods: An exsanguination self-application task was established in a wilderness location. Three volunteers-initiated distress calls to prompt RPAS precision delivered STOP-THE-BLEED kits, after which a remote mentor directed the volunteers how to self-care. Results: Limited connectivity prevented video, however each volunteer delivered images and initiated conversation with the mentor pre-RPAS arrival. Thereafter, all subjects were able to unpack and deploy hemorrhage control adjuncts under verbal direction, and to simulate self-application. All subjects were able to successfully apply wound-clamps, tourniquets, and pack wounds although one had insufficient pressure. Discussion: RPASs can deliver supplies long before human rescuers, and communication connectivity might allow remote mentoring in device application. Further development of technology and self-care paradigms for exsanguination are encouraged.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,272
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,057
Tête enseignante GPT0,311
Écart entre enseignants0,254 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetHealthcare Technology and Patient MonitoringTravaux en français237 207