Abstract 358: Out-of-hospital Cardiac Arrest and Community First Response: Building Evidence for Policy and Practice
Notice bibliographique
Résumé
Introduction: Out-of-hospital cardiac arrest (OHCA) is a leading cause of mortality globally. Community First Response (CFR) is an important component of OHCA management in many countries. It entails the mobilisation of volunteers by the Emergency Medical Services to respond to OHCAs in their locality. These volunteers include lay-people and professionals (e.g. nurses, physicians). CFR can increase rates of cardiopulmonary resuscitation or defibrillation performed prior to the Emergency Medical Services’ arrival, though its impact on survival and cognitive function requires further study. This research aimed to improve our understanding of CFR, including volunteers’ motives and activities, the association between volunteer location and social fragmentation/deprivation, and the outcomes that should be measured for this intervention. Methods: This mixed-methods project comprises several key stages: systematic review of the CFR literature, interviews with CFR experts from a range of countries (e.g. USA, Canada, UK, Australia, Singapore), a survey of volunteers, and an analysis of Irish ambulance service records. Results: Various factors affect volunteer motivation, such as personality, family history, legislation, and psychological support. Volunteers undertake many activities in addition to responding to OHCAs, including responding to other emergencies (e.g. stroke), raising awareness of OHCA, providing CPR training, and supporting patients’ relatives. Barriers to responding include problems with technology and recruitment. Volunteer location in Ireland does not appear to be influenced by social fragmentation/deprivation. Outcomes that are measured for CFR include response times and survival. Other potentially important outcomes can prove difficult to measure, particularly the benefits for patients’ relatives and communities. Conclusions: This project has implications for CFR research and practice, especially recruiting and supporting volunteers and measuring outcomes. Improving these processes could help to optimise and build evidence for this intervention. Funding has been obtained to extend this project so that the impact of the coronavirus disease 2019 (COVID-19) pandemic on the CFR evidence base can be examined.
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 | 0,167 | 0,366 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».