Speech recognition technology in prehospital documentation: A scoping review
Notice bibliographique
Résumé
OBJECTIVES: The nature of paramedic workflows, where paramedics are responsible to provide care and chart concurrently, can result in incomplete or non-existent patient care reports on patient handover to the emergency department (ED). Charting delays and retrospective recollection of care may lead to patient information gaps, which can increase ED workload, cause care delays, and increase the risk of adverse events. Speech recognition documentation technology has the potential to produce complete patient care reports quicker and improve paramedic-to-ED handover. We performed a scoping review to determine paramedic perceptions and user requirements for speech recognition documentation technology. METHODS: MEDLINE, Google Scholar, IEEE Explore, ProQuest, and CINAHL were searched from 2014 to March 2024. Criteria included studies focused on paramedics' use or perceptions of speech recognition documentation technology. This review included studies conducted in the prehospital environment and adjacent agencies (i.e., ED, fire, police, military). RESULTS: The review identified eight articles that met inclusion criteria. All eight articles were small focus group-based studies in laboratory settings published on or after 2020. Five studies were conducted in the United States, two in Switzerland, and one in Japan. Of the eight studies, five recommended further live environment testing of the technology examined, and three underscored the importance of a user-centred design. The top user requirements for speech recognition adoption was hands-free use, noise reduction technology, battery life, and word accuracy. All eight studies recommended further research and development of speech recognition documentation technology in the prehospital workflow. CONCLUSION: This scoping review has highlighted that while there is a growing interest in speech recognition documentation technology in the paramedicine workflow, more research is needed, especially with larger samples in a live environment. The user requirements and perceptions of speech recognition documentation technology in paramedicine must be better understood to design systems with high adoption rates.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».