Trauma THOMPSON: Clinical Decision Support for the Frontline Medic
Notice bibliographique
Résumé
INTRODUCTION: U.S. Military healthcare providers increasingly perform prolonged casualty care because of operations in settings with prolonged evacuation times. Varied training and experience mean that this care may fall to providers unfamiliar with providing critical care. Telemedicine tools with audiovisual capabilities, artificial intelligence (AI), and augmented reality (AR) can enhance inexperienced personnel's competence and confidence when providing prolonged casualty care. Furthermore, implementing offline functionality provides assistance options in communications-limited settings. The intent of the Trauma TeleHelper for Operational Medical Procedure Support and Offline Network (THOMPSON) is to develop (1) a voice-controlled mobile application with video references for procedural guidance, (2) audio narration of each video using procedure mentoring scripts, and (3) an AI-guided intervention system using AR overlay and voice command to create immersive video modeling. These capabilities will be available offline and in downloadable format. MATERIALS AND METHODS: The Trauma THOMPSON platform is in development. Focus groups of subject matter experts will identify appropriate procedures and best practices. Procedural video recordings will be collected to develop reference materials for the Trauma THOMPSON mobile application and to train a machine learning algorithm on action recognition and anticipation. Finally, an efficacy evaluation of the application will be conducted in a simulated environment. RESULTS: Preliminary video collection has been initiated for tube thoracostomy, needle decompression, cricothyrotomy, intraosseous access, and tourniquet application. Initial results from the machine learning algorithm show action recognition and anticipation accuracies of 20.1% and 11.4%, respectively, in unscripted datasets "in the wild," notably on a limited dataset. This system performs over 100 times better than a random prediction. CONCLUSIONS: Developing a platform to provide real-time, offline support will deliver the benefits of synchronous expert advice within communications-limited and remote environments. Trauma THOMPSON has the potential to fill an important gap for clinical decision support tools in these settings.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,130 | 0,043 |
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 ».