MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404375229 · doi:10.2196/65626

Appropriately Matching Transport Care Units to Patients in Interhospital Transport Care: Implementation Study

2024· article· en· W4404375229 sur OpenAlexvenueno aff
Shirin Hasavari, Pouyan Esmaeilzadeh

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintMatching (statistics)Computer scienceMedicineWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In interfacility transport care, a critical challenge exists in accurately matching ambulance response levels to patients' needs, often hindered by limited access to essential patient data at the time of transport requests. Existing systems cannot integrate patient data from sending hospitals' electronic health records (EHRs) into the transfer request process, primarily due to privacy concerns, interoperability challenges, and the sensitive nature of EHR data. We introduce a distributed digital health platform, Interfacility Transport Care (ITC)-InfoChain, designed to solve this problem without compromising EHR security or data privacy. OBJECTIVE: This study aimed to detail the implementation of ITC-InfoChain, a secure, blockchain-based platform designed to enhance real-time data sharing without compromising data privacy or EHR security. METHODS: The ITC-InfoChain platform prototype was implemented on Amazon Web Services cloud infrastructure, using Hyperledger Fabric as a permissioned blockchain. Key elements included participant registration, identity management, and patient data collection isolated from the sending hospital's EHR system. The client program submits encrypted patient data to a distributed ledger, accessible to the receiving facility's critical care unit at the time of transport request and emergency medical services (EMS) teams during transport through the PatienTrack web app. Performance was evaluated through key performance indicators such as data transaction times and scalability across transaction loads. RESULTS: The ITC-InfoChain demonstrated strong performance and scalability. Data transaction times averaged 3.1 seconds for smaller volumes (1-20 transactions) and 6.4 seconds for 100 transactions. Optimized configurations improved processing times to 1.8-1.9 seconds for 400 transactions. These results confirm the platform's capacity to handle high transaction volumes, supporting timely, real-time data access for decision-making during transport requests and patient transfers. CONCLUSIONS: The ITC-InfoChain platform addresses the challenge of matching appropriate transport units to patient needs by ensuring data privacy, integrity, and real-time data sharing, enhancing the coordination of patient care. The platform's success suggests potential for regional pilots and broader adoption in secure health care systems. Stakeholder resistance due to blockchain unfamiliarity and data privacy concerns remains. Funding has been sought to support a pilot program to address these challenges through targeted education and engagement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,026
score de la tête « metaresearch » (Gemma)0,064
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,064
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,441
Écart entre enseignants0,384 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetTrauma and Emergency Care Studies→Travaux en français237 207→