27 Lay responder post arrest support model: methodology & conceptual design
Notice bibliographique
Résumé
<h3>Aim</h3> As early as 1993, consideration of the psychological effect of providing CPR on bystanders emerged as an underappreciated concern. One consideration is the ethics of asking people to respond to such emergencies without proper support. <h3>Method</h3> The Lay Responder Support Model (LRSM) emerged from the analysis of the data collected after debriefings with 64 lay-responders that participated in an out-of-hospital cardiac arrest. During the first conversations, participants identified the effects of mental trauma, which led to formalise the debriefing process and data collection tools. The program now involves 3 stages: Identifying and Engaging, Debriefing and Follow-up, and Referral for Professional Support. <h3>Results</h3> Almost all the cases, lay-responders communicated effects in their daily life, including a wide range of acute physical and/or psychological reactions post event. For some individuals, acute stress reactions caused enough distress to interfere with everyday activities. These findings resulted in the application of Psychological First Aid principles: identifying and facilitating them toward mental health support to promote recovery has wide spread application in traumatic events like disasters. The LRSM design now supports engagement with lay responders very early in post-event period, and informed by continual findings. <h3>Conclusion</h3> The LRSM provides a structured framework to capture information about witnessing a SCA from the lay-responders involved the role they played, actual clinical records, and to identify areas of support for lay-responder’s residual mental health. It potentially goes beyond cardiac arrest situations and may prove helpful to psychological first aid providers and other public health organisations identifying and referring people to appropriate resources. <h3>Conflict of interest</h3> None <h3>Funding</h3> Employer – Peel Regional Paramedic Services.
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 | 0,012 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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 ».