Evaluation of “Stop the Bleed” training among K‐12 faculty and staff in Alabama
Notice bibliographique
Résumé
OBJECTIVES: To evaluate "Stop the Bleed" (STB) training among/K12 personnel in an Alabama school system, and to assess participants' perceived readiness to train peers in STB methods. DESIGN AND SAMPLE: We performed a cross-sectional observational study with a convenience, nonprobability sample of 466 full-time personnel who received STB training. Data were collected using an anonymous online survey. MEASUREMENTS: We asked participants to recall feelings related to STB both prior to and after completing training using a 5-point Likert scale (5 = "Strongly Disagree", 1 = "Strongly Agree"). We used logistic regression to evaluate the association among posttraining feelings and perceived preparedness to train others in STB. RESULTS: Participants were primarily female (78%), aged 41 ± 10 years, who held faculty positions (94%). Results revealed increased knowledge of (4 [IQR 2-4] vs. 2 [1-2], p < .001) and comfort with (4 [2-5] vs. 2 [1-2], p < .001) STB skills. Participants felt more empowered to organize STB training (4 [3-5] vs. 3 [2-4], p < .001); those who felt empowered to organize STB training were eight times more likely to feel capable of teaching STB. CONCLUSIONS: After STB training, K-12 personnel felt empowered to organize additional STB trainings and capable of teaching STB methods to others.
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 | 0,004 | 0,007 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».