Evaluating the Safety and Efficacy of Telemedicine Physician Assessments on a Mobile Stroke Unit: Protocol for a Prospective Open‐Label Blinded End‐Point Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Mobile stroke units have been shown to deliver faster patient care and improve clinical outcomes. However, costs associated with staffing limit their use to densely populated cities. Using the Melbourne mobile stroke unit, we aim to evaluate the safety, timeliness, and resource efficiency of a telemedicine model, where the neurologist assesses a patient remotely, via telemedicine, compared with an onboard neurologist model. We hypothesize that, without compromising patient safety, the telemedicine model will provide timely care and superior resource efficiency. METHODS: Using a prospective, randomized, blinded end-point controlled design, 270 participants consecutively assessed on the Melbourne mobile stroke unit over ≈12 months will be assigned into 2 arms: (1) telemedicine neurologist assessment (intervention) versus (2) onboard assessment (comparator). Enrollment is based on prospectively designated randomized days of neurologist review onboard versus telemedicine. The primary outcome will be the odds that a randomly selected participant in the telemedicine arm will have a better outcome than a randomly selected participant in the onboard arm, measured using a desirability-of-outcome ranking, an outcome measure that includes, in order of importance: (1) safety, (2) scene-to-treatment-decision time metrics, and (3) resource usage. All participants within each arm will be compared with those in the other, resulting in a "win/tie/loss" distribution for telemedicine compared with the onboard model. CONCLUSIONS: The study will establish whether use of a telemedicine neurologist delivers superior resource efficiency without compromising patient care. This would enable the broader use of mobile stroke units, particularly relevant to regions with limited access to neurologists, thus improving equity in access to time-critical, lifesaving stroke care. REGISTRATION: URL: clinicaltrials.gov; Unique Identifier: NCT05991310.
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 | 0,064 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,009 | 0,003 |
| Méta-épidémiologie (sens large) | 0,012 | 0,007 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,009 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,012 |
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 ».