Implementing Triage-Bot: Supporting the Current Practice for Triage Nurses
Notice bibliographique
Résumé
In Canada, emergency departments (ED) have 15.1 million unscheduled visits every year; this has been suggested to indicate that patients rely on ED to address the gaps experienced by 6.5 million Canadians who lack a primary care provider. When this large number of visits is coupled with a predicted shortage of 100,000 nurses in Canada by 2030, ED can be expected to face resource limitations, which highlights the importance of triage systems as a source of immediate support. Technology that incorporates innovative analytical methods, automation of routine, and efficient processing can be leveraged to enhance patient outcomes, streamline clinical processes, and improve the overall quality and efficiency of healthcare delivery. This paper aims to highlight how the Triage-Bot, a proposed AI system, can assist ED nurses when triaging patients. The Triage-Bot system is based on the Canadian Triage and Acuity Scale (CTAS), which currently serves as a standardized and highly effective tool for prioritizing patient care in emergency departments across the country. Pre-set and open-ended questions are asked using voice and video, allowing patients to describe their health concerns and conditions. Triage-Bot automatically measures the following vital signs: heart rate (HR), heart rate variability (HRV), oxygen saturation (SpO2), respiratory rate (RR), blood pressure (BP), blood glucose (BG), and stress. The system uses artificial intelligence models, particularly those with a deep learning approach that simultaneously analyzes both the user's facial expression and voice tone. Implementation: A systematic review addressed the implications of AI in nursing and concluded that it could contribute to patient care by providing personalized instructions and/or remotely monitoring patients. The Triage-Bot system can be implemented in healthcare facilities, such as emergency department waiting rooms. The information it collects can then be added to a patient's health records to support nurses in assessing the severity of each patient's condition. Limitations: If the system is accessed without a nurse's guidance, it is imperative that the user receives information regarding when to visit a healthcare provider or ED. Continuous improvements in Triage-Bot's accessibility for patients with varying abilities are required to ensure that the system remains user-friendly during times of illness. The voice and text interaction can also be influenced by a user's understanding of language, culture, and age-related factors.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».