Tele-anestesia: la visita preoperatoria a distanza. Realta futuribile o immaginazione fantascientifica?
Bibliographic record
Abstract
INTRODUZIONE La valutazione preoperatoria a distanza da parte del medico anestesista può contribuire alla riduzione dei costi sia per il sistema sanitario che per il paziente con anche riduzione dei disagi legati per esempio alle spese di viaggio e all’assenza dal lavoro. Sarebbe molto comodo se la valutazione anestesiologica preoperatoria potesse essere fatta a distanza, includendo anche la valutazione delle vie aeree. Questo studio si propone di valutare la fattibilità di visitare a distanza i pazienti attraverso l'ausilio di un software appositamente studiato e chiamato -pre-op cockpit-. MATERIALI E METODI Dopo aver ottenuto l'approvazione del comitato etico locale, 20 pazienti sottoposti a chirurgia bariatrica sono stati arruolati. Ogni paziente è stato valutato a distanza (MGH – Montreal, Canada) ed in ambulatorio (Cisanello – Pisa, Italia). La valutazione a distanza si avvale di 2 computer, uno per l’anestesista (PC - 1), l'altro per il paziente (PC - 2). Il PC-1 ha il software pre-op cockpit e comunica con il PC - 2 via Skype. Il pre-op cockpit è utilizzato per raccogliere la storia del paziente, utilizzando un questionario predefinito analogo a quello presente nel protocollo di valutazione preoperatoria standard utilizzato presso il dipartimento anestesia locale, e per valutare le vie aeree. Durante la valutazione delle vie aeree, la distanza tiro-mentoniera, l’apertura della bocca e la circonferenza del collo sono state misurate attraverso il pre-op cockpit, che utilizza una moneta di una dimensione conosciuta, come un punto di riferimento. Poiché la dimensione della moneta è nota, il software la utilizza come fattore di conversione per stimare la misura reale. La valutazione del Mallampati è stata registrata utilizzando Evaer Video Call Recorder for Skype. La valutazione ambulatoriale dei parametri sopra descritti è stata eseguita sempre dallo stesso specializzando in anestesia, prima o dopo la valutazione a distanza. I dati sono presentati come media ± DS o come valori. Il relative observed agreement (Pr(a)) e il Cohen’s K tra la valutazione locale e a distanza sono stati calcolati per ogni parametro utilizzando SPSS (IBM, USA). RISULTATI Tre uomini e 17 donne, di età compresa tra 46 ± 12 anni, con un BMI di 44.4 ± 6.8 Kg/m2 sono stati arruolati nello studio. Il tempo impiegato per la valutazione a distanza è stato di 10.84 min ± 1.94, (il tempo per valutazione locale è stato di 12 minuti ± 2). L’accordo tra la valutazione delle vie aeree a distanza e locale è stato da moderato a sostanziale, ma per la valutazione Mallampati è risultato solo moderato. Tra i 10 parametri di anamnesi, allergia ai farmaci, allergie alimentari, il diabete, l'ipertensione, e l’apnea ostruttiva del sonno hanno mostrato un accordo quasi perfetto K = 0,87, 1, 1, 0.9, 0.83 e Pr (a) = 95% , 100%, 100%, 95%, 95% rispettivamente; allergia al lattice, vene varicose e malattie cardiache hanno mostrato un sostanziale accordo con K = 0,77, 0,77, 0,64 e Pr (a) = 95%, 95%, 95%, rispettivamente; gastrite e asma hanno mostrato un accordo moderato con K = 0,49, 0,44 e Pr (a) = 75%, 95% rispettivamente. CONCLUSIONI La valutazione anestesiologica a distanza è fattibile. La valutazione delle vie aeree per quanto riguarda il Mallampati è stata compromessa dalla mancanza di qualità video, inadeguata illuminazione e dall'angolo della webcam. L’anamnesi mostra un buon accordo globale. Ulteriori miglioramenti sono necessari al fine di perfezionare la valutazione a distanza.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".