A feasibility assessment of a traumatic brain injury predictive modelling tool at Kilimanjaro Christian Medical Center and Duke University Hospital
Notice bibliographique
Résumé
Traumatic brain injury (TBI) is the most common cause of death and disability globally. TBI, which disproportionately affects low middle-income countries (LMIC), uses significant amounts of health system resources in costly care and management. Innovative solutions are required to address this high burden of TBI. One possible solution is prognostic models which enhance diagnostic ability of physicians, thereby helping to tailor treatments more effectively. This study aims to evaluate the feasibility of a TBI prognostic model developed in Tanzania for use by Kilimanjaro Christian Medical Center (KCMC) healthcare providers and Duke-affiliated healthcare providers using human centered design methodology. Duke participants were included to gain insight from a different context with more established practices to inform the TBI tool implementation strategy at KCMC. To evaluate the feasibility of integrating the TBI tool into potential workflows, co-design interviews were conducted with emergency physicians and nursing staff at KCMC and Duke. Qualitatively, the TBI tool was assessed using human centered design (HCD) techniques. Our research design methods were created using the Consolidated Framework for Implementation Research which considers overarching characteristics of successful implementation to contribute to theory development and verification of implementation strategies across multiple contexts. Our knowledge translation method was guided using the knowledge-to-action framework. Of the 21 participants interviewed, 12 were associated with Duke Hospital, and 9 from Kilimanjaro Christian Medical Centre. Emerging from the data were 6 themes that impacted the implementation of the TBI tool: access, barriers, facilitators, use of the TBI tool, outer setting, and inner setting. To our knowledge, this is the first study to investigate the pre-implementation of a sub-Saharan Africa (SSA) data- based TBI prediction tool using human centered design methodology. Findings of this study will aid in determining under what conditions a TBI prognostic model intervention will work at KCMC.
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 | 0,051 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».