Feasibility of Live Video Feed Transmission from Unmanned Aerial Vehicles for Medical Surveillance During the 2022 Montreal Marathon
Notice bibliographique
Résumé
INTRODUCTION: In recent years, unmanned aerial vehicles (UAVs) have been increasingly used for medical surveillance purposes in mass-gathering events. No studies have investigated the reliability of live video transmission from UAVs for accurate identification of distressed race participants in need of medical attention. The aim of this study was to determine the proportion of time during which live medical surveillance UAV video feed was successfully transmitted and considered of sufficient quality to identify acute illness in runners participating in the 2022 Montreal Marathon (Canada). METHODS: Four UAVs equipped with high-resolution cameras were deployed at two pre-defined high-risk areas for medical incidents located within the last 500 meters of the race. The video footage was transmitted in real-time during four consecutive hours to a remote viewing station where four research assistants monitored it on large screens. Interruptions in live feed transmission and moments with inadequate field of view (FOV) on runners were documented. RESULTS: On September 25, 2022, a total of 6,916 athletes ran during the Montreal Marathon and Half Marathon. Out of the eight hours of video footage analyzed (four hours per high-risk area), 91.7% represented uninterrupted live video feed with an adequate view of the runners passing through the high-risk areas. There was a total of 18 live feed interruptions leading to a total interruption time of 22 minutes and 19 seconds (median interruption time of 32 seconds) and eight distinct moments with inadequate FOV on runners which accounted for 17 minutes and 33 seconds (median of 1 minute 47 seconds per moments with inadequate FOV). Active surveillance of drone-captured footage allowed early identification of two race participants in need of medical attention. Appropriate resources were dispatched, and UAV repositioning allowed for real-time viewing of the medical response. CONCLUSION: Live video transmission from UAVs for medical surveillance of runners passing through higher risk segments of a marathon for four consecutive hours is feasible. Live feed interruptions and moments with inadequate FOV could be minimized through practice and additional equipment redundancy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».