A comparative analysis of the STAT taxonomy and T-NOTECHS for assessing trauma team non-technical skills: A secondary analysis using trauma video review
Notice bibliographique
Résumé
BACKGROUND: Non-technical skills (NTS), such as leadership, communication and interaction, situational awareness, cooperation and resource management (CRM), and assessment and decision-making, are critical to optimizing team performance and reducing adverse events (AEs) during trauma resuscitations. This study investigates the association between NTS, assessed using the Trauma - NOn-TECHnical Skills (T-NOTECHS) tool, and AEs, classified using the STAT taxonomy. METHODS: This secondary analysis included 30 adult trauma team activations at Parkland Hospital, Dallas, Texas, with inclusion criteria of patients aged >16 years and trauma video recordings available from the Trauma Video Review Repository between January 1, 2019, and January 15, 2022. T-NOTECHS assessed NTS across five domains using a 5-point Likert scale (1 = poor, 5 = excellent). AEs were identified and categorized using the STAT taxonomy. Descriptive statistics summarized T-NOTECHS scores, AEs, and demographic factors. Poisson regression models examined associations between T-NOTECHS scores, AEs, and demographic variables with reported incidence rate ratios (IRRs). Overdispersion was assessed, and Quasi-Poisson and Negative Binomial models were used for robustness when necessary. RESULTS: T-NOTECHS scores ranged from 17 to 25, with a median of 22, indicating high team performance across domains. The total number of AEs ranged from 4 to 29, with a median of 9.5. Poisson regression analysis demonstrated a significant negative association between T-NOTECHS scores and AEs (IRR = 0.89, 95 % CI: 0.84-0.94, p < 0.001), indicating that each one-point increase in T-NOTECHS score was associated with an 11 % reduction in the expected rate of AEs. Age, sex, and Injury Severity Score (ISS) were not significant predictors of T-NOTECHS scores or AEs. Overdispersion assessments supported Poisson regression, with findings robust to Quasi-Poisson and Negative Binomial models. CONCLUSION: Higher non-technical performance, measured by T-NOTECHS, is strongly associated with fewer AEs in trauma resuscitations. These findings underscore the importance of structured training and assessment of NTS to enhance patient safety and team dynamics. Future studies should validate these results in larger datasets and explore interventions to further improve NTS in trauma care.
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 | 0,030 | 0,141 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,014 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».