Spatiotemporal Stability of Public Cardiac Arrests
Notice bibliographique
Résumé
Background: Public access automated external defibrillator (AED) deployment and community cardiopulmonary resuscitation (CPR) programs should target geographical areas with high risk of out-of-hospital cardiac arrest (OHCA). Although these long-term, location-based interventions implicitly assume that the geographical OHCA risk remains stable over time, there is a paucity of evidence to support this assumption. Objective: To determine whether geographic OHCA risk is stable over time in a Canadian urban setting. Methods: We identified all atraumatic public-location OHCAs in Toronto, Canada from Jan. 2006 – Dec. 2014 and allocated each of them to one of the 140 neighborhoods defined by the City of Toronto. We then calculated the intra-class correlation (ICC) to measure the relative variability of OHCA counts within and between neighbourhoods over time. Results: We identified 2506 atraumatic public OHCAs. The figure shows that the average number of public OHCAs in Toronto was 278.4 (±41.4) per year. The highest-risk neighborhood had an average number of 12.9 OHCAs per year and remained the highest-risk neighborhood during six of the nine years. The four lowest-risk neighborhoods each had a rate of 0.1 OHCA per year. The ICC value was 0.67 [95% CI, 0.61 to 0.73], indicating that there was less year-to-year variation within the same neighborhood (i.e., more temporal stability) and more variation between neighborhoods. Conclusion: The OHCA rate in Toronto is stable at the neighborhood level over time. High-risk neighborhoods tend to remain high-risk, which supports focusing public health resources in those areas to increase the efficiency of these scarce resources and improve long-term impact.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».