Notice bibliographique
Résumé
Introduction: Endovascular clot retrieval (ECR) exists as the gold standard for the management of acute ischaemic stroke secondary to large vessel occlusion.There is a direct correlation between reduced time to reperfusion and improved patient outcomes.Our study aimed to optimise processes and reduce the time from patient's arrival at hospital to vascular puncture for mechanical thrombectomy (DTG time) through simulation-based staff training.Methods: This single-centre prospective study involved simulationbased training completed during three months from March to May 2023.Simulations were conducted involving multidisciplinary staff where an ECR patient's hyperacute journey through the hospital was simulated followed by formal debriefing and highlighting areas for improvement.Patients at our hospital who underwent ECR in the sixmonth period pre-and post-simulation training were included in our observation.We recorded patient characteristics and timestamps including time of arrival to hospital, CT imaging, arrival to angiography suite, intubation and groin puncture.The primary outcome measured was the DTG time.For statistical analysis, a paired t-test was used to compare values.Results: In the period prior to the simulation training, our hospital recorded 19 direct to hospital presentations for patients requiring ECR, where we recorded a mean DTG time of 132.38 min.Post the simulation training, we recorded 26 direct to hospital presentations, with a mean DTG time of 104.52 min (a reduction of 27.86 minutes, p = 0.02).This time reduction was most significant from time between CT imaging to arrival at the angiogram suite.There was no significant difference between time from arrival at hospital to CT imaging, or time spent on intubation.Our study did not find any statistically significant difference in DTG time for patients who were inter-hospital transfer presentations.Conclusions: We validated simulation-based training as an effective intervention for reducing time to reperfusion for patients undergoing ECR.Implementation of regular training for staff can improve patient outcomes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,700 | 0,596 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».