Design projections for prospective studies evaluating the clinical effectiveness of cardiac arrest detection technologies
Notice bibliographique
Résumé
BACKGROUND: Recent developments have illustrated the feasibility of scalable out-of hospital cardiac arrest (OHCA) detection using consumer-wearable products. While initial evidence is promising, the real-world effectiveness of these technologies is unproven and design decisions to minimize false positives may constrain clinical impact. To support the real-world evaluation of these technologies, we analyzed registry data and evaluated strategies for a clinical trial. METHODS: We analyzed Emergency Medical Services (EMS)-treated and EMS-untreated cases in the British Columbia Cardiac Arrest Registry (2019-2020) who may have benefitted from cardiac arrest detection. Within strata formed by Age (0-35, 36-55, 56-65, 65+) and Sex, we estimated strata-specific treatment effects from recognition and calculated the required sample sizes for a set of potential primary clinical outcomes for a trial (survival to hospital discharge, initial shockable cardiac rhythm, EMS treatment). We compared this with population incidence to inform prospective recruitment requirements. RESULTS: Within a population-at-risk of 9,739,356, 11,382 sentinel cases met criteria for inclusion. Strata-specific incidence ranged from 18.3 per 100,000 to 395 per 100,000. The most statistically efficient subgroup for a survival outcome was Males aged 56-65 (171,676 needed, total). For a trial outcome of EMS treatment or initial shockable rhythm, Males over 65 were the most efficient subgroup within which to test the intervention (7,608 and 66,962 needed, total respectively). CONCLUSION: A prospective trial of OHCA detection technologies will require large recruitment targets. Subgroups with the highest estimated treatment effect are not those with the highest incidence. Large trials in the general population will require multiple centers and innovative recruitment strategies that may be aided by partnership with industry.
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 | 0,266 | 0,322 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,009 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,005 |
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 ».