Mass Gatherings and Youth Peer Volunteerism
Notice bibliographique
Résumé
Introduction: Music and sporting events are mass gatherings with unique risks related to participation. “All-ages” events, which include participants below the age of majority (18 in many jurisdictions), have been observed to have an over-representation of patient presentations in the youth category. Peer helpers may lower the barrier to seeking on-site care. Youth (peer-aged) volunteerism provides opportunities for exposure to new environments, skills, and mentorship. Medical volunteerism may promote personal satisfaction through prosocial behavior (i.e., helping others), community engagement and immersion into a potential health professions career path. Methods: We conducted an observational pilot feasibility study with feedback forms and semi-structured interviews. The pilot program paired youth with parents/guardians/responsible adults as health care volunteers at special events. Results: Youth/adult dyads volunteered for a variety of events in Canada during the 2018 event season. All participants in the “Juniors Program” completed at least a Standard First Aid course, including orientation to personal safety and confidentiality. Each pair worked in one of two areas: first aid or Festival Health (the harm reduction space at music events) providing peer-to-peer and “all-ages” support. Post-event feedback from the dyads revealed many positive experiences and universally called for more opportunities. Discussion: A strong volunteer base is an asset to any community. In this pilot study, the volunteer experiences were supervised by a team of credentialed health care professionals. The authors report on qualitative feedback in themes based on patient perspective, volunteer perspective, team perspective, and event management perspective. More research is needed to measure the outcomes of the Junior’s Program. More Investigation is needed to determine not only the long-term benefits of participation on event medical teams, but also to identify factors that shape a positive experience for youth, their parents, and the event participants that they support.
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 | 0,003 | 0,005 |
| 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 | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».