Abstract 19639: Reducing Educational Barriers to Address Cpr Training Disparities in a Large Us Urban Community
Notice bibliographique
Résumé
Background: Bystander CPR (BCPR) is a crucial therapy for cardiac arrest, yet less than 30%of victims receive it in most communities. Previous research has shown that BCPR training rates vary significantly according to community socioeconomicstatus (SES), with black or Hispanic individuals and those with low medianhousehold incomes being statistically less likely to have CPR training. We sought to test whether a community-based mobile layperson training approach that removed both cost and transportation barriers would target these disparities. Objective: To characterize the impact of our mobile layperson training intervention in a low-SES population through descriptive statistics and choropleth mapping of CPR training activity and associated SES. Design/Methods: A survey study of subjects trained through the mobile training intervention between 03/2013 and 03/2015 in which subjects’ demographics, prior CPR training status, and residential location were collected and analyzed. Subjects’ neighborhood SES at the block group level was ascertained using 2010 United States Census data. Results: Of 5789 subjects trained, 70% completed a demographic survey. 65% were female, 32% identified as white-Hispanic, 43% as black non-Hispanic, and 17% as white non-Hispanic. Of those > 18 years of age, 71% did not complete college. 65% reported never having received CPR training. Attached figure represents the census block groups of the City of Hartford by those trained by the mobile project (A) and associated SES (B). The census block groups with > 90 individuals trained were of low SES. Conclusion: A CPR training approach without transportation or cost barriers was successful in reaching a population of low-SES trainees with little previous exposure to CPR education. This approach holds promise as a scalable method to address SES disparities in BCPR provision.
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 | 0,001 | 0,002 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».