MétaCan
Menu
Retour à la cohorte
Enregistrement W4381386312 · doi:10.1017/s1049023x23001620

CHRONOS Project: The Transformation of Time-dependent Clinical Trajectories into Intelligent Ones Using an Innovative Technological Solution

2023· article· en· W4381386312 sur OpenAlexaffabout
Nathalie Morissette, Abdo Shabah

Notice bibliographique

RevuePrehospital and Disaster Medicine · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueContext-Aware Activity Recognition Systems
Établissements canadiensSanté Montérégie
Organismes subventionnairesnon disponible
Mots-clésReal-time locating systemGeolocationCloud computingOvercrowdingComputer scienceContext (archaeology)Software deploymentWorkflowProcess managementSystems engineeringReal-time computingEngineeringDatabaseSoftware engineering

Résumé

récupéré en direct d'OpenAlex

Introduction: The health system faces many challenges including the lack of personnel or resources and the overcrowding of emergency rooms. In this context, Real Time Locating Systems (RTLS) offer the possibility of improving the efficiency, safety and quality of care management. Clinical trajectories are currently very dependent on manual processes. We believe that real-time management systems that use geolocation can optimize time-dependent clinical trajectories, improve critical care and transform the health network for patients, caregivers and managers. Typically, RTLS tools require a significant investment in terms of installation, configuration, and integration. Method: The Nano Data Center (NDC) system developed by Humanitas Solutions is equipped with an advanced and low-cost IT infrastructure. It is self-deploying, self-configurable and allows geolocation and autonomous telecommunication with multiple interfaces (WIFI, Bluetooth, electrical). It requires a power source and operates without requiring access to technological infrastructures, which is the major difference with similar products based mainly on cloud computing and dependent on internet connectivity. We tested, as a pilot project, the deployment of the NDC system in a complex hospital environment (Centre intégré de la santé et des services sociaux de la Montérégie-Centre, Quebec, Canada) in order to demonstrate its potential use. Results: Using the NDC system, we were successful in establishing an autonomous communication network over several hospital floors. This innovation made it possible to support the real-time geolocalization of fictive patients and the creation of a real-time dashboard for monitoring clinical trajectories, analyzing data, and evaluating performance. Conclusion: The next development phases of the CHRONOS project include real-time notification and transformation of clinical trajectories into smart trajectories. The independence of the NDC system in terms of infrastructures would allow its deployment in low-resource environments, such as temporary installations or remote areas. Thus, its potential benefit in creating connected environments in disaster situations.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,090
Tête enseignante GPT0,350
Écart entre enseignants0,260 · 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePrehospital and Disaster MedicineMême sujetContext-Aware Activity Recognition SystemsTravaux en français237 207