Impact of Point‐of‐Care Ultrasound in Medicalized Prehospital Setting on Diagnostic Workup
Notice bibliographique
Résumé
OBJECTIVES: The primary objective of this study was to describe the indications for performing point-of-care ultrasound (POCUS) in prehospital settings. The secondary objective was to assess its impact on the diagnostic workup when its use was initiated by the emergency physician (EP) dispatched with a mobile intensive care unit (MICU). METHODS: This prospective observational cohort study was conducted within the MICU of Toulouse University Hospital from December 1, 2022, to May 31, 2023. All adult patients managed by the Toulouse MICU for whom the EP performed a POCUS examination were eligible for inclusion. EP was asked to state the diagnostic hypothesis being evaluated and to rate its likelihood before and after POCUS assessment. The hypothesis and the evaluation of the EP before and after POCUS were compared to the final diagnosis at hospital discharge. RESULTS: Over the 6-month study period, 83 had a POCUS by a MICU. The indications for performing POCUS were: high-energy trauma (n = 50 [60%]), chest pain (n = 20 [24%]), dyspnea (n = 9 [11%]), abdominal pain (n = 3 [4%]), and cardiac arrest (n = 1 [1%]). The diagnostic impression was more often consistent with the final diagnosis after POCUS than before (58 [70%] vs. 36 [43%]; P < .001). POCUS modified the diagnostic assessment wrongly in 7 (8%) patients and rightly in 28 (34%) patients. CONCLUSION: The most frequent indications for prehospital POCUS were high-energy trauma, chest pain, and dyspnea. POCUS improved the rate of initial diagnostic assessments consistent with the final diagnosis.
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 | 0,002 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».