Evaluation of attitudes and perceptions of key clinical stakeholders regarding out-of-hospital diagnosis and treatment of ST elevation myocardial infarction patients using a region-wide survey
Notice bibliographique
Résumé
INTRODUCTION: In ST elevation myocardial infarction (STEMI), prehospital management (PHM) may improve clinical outcomes through a reduction in reperfusion delay. The purpose of this study was to evaluate perceptions among healthcare stakeholder groups relating to the barriers and facilitators of implementing a PHM programme. METHODS: A 25-question cross-sectional survey, using a four-point Likert scale assessing barriers and facilitators of PHM, was distributed to paramedics, cardiologists, emergency physicians and emergency nurses within the Edmonton region, where prehospital STEMI treatment is established. The proportion of responses on each question was compared and differences between groups were determined using chi(2) and Fisher's exact tests. RESULTS: 57% (355/619) of subjects responded: 69% paramedics, 50% cardiologists, 54% emergency physicians and 45% emergency nurses. A majority believed PHM reduced treatment delays in both rural (96-100%) and urban (86-96%) areas, while decreasing patient mortality (paramedics 97%, cardiologists 74%, emergency physicians 85%, emergency nurses 88%). Regarding the capability of paramedics to deliver PHM, paramedics 25%, cardiologists 33%, emergency physicians 67%, and emergency nurses 47% stated that urban paramedics are better equipped and trained than rural paramedics. Although 81% of paramedics supported the possibility of PHM delivery without physician overview, 0% of cardiologists, 98% of emergency physicians and 95% emergency nurses agreed. A majority (71-88%) favoured mandatory signed informed consent. CONCLUSIONS: While stakeholders agreed on the benefits of PHM, perceptual differences existed on paramedics' ability to deliver PHM without physician overview. Addressing real and perceived barriers through communication and educational programmes may enhance PHM within this healthcare region and facilitate the implementation of PHM programmes.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».