Abstract 138: Socioeconomically Equitable Public Defibrillator Placement Using Mathematical Optimization
Notice bibliographique
Résumé
Introduction: Mathematical optimization can be used to place automated external defibrillators (AEDs) in locations that maximize coverage of out-of-hospital cardiac arrests (OHCAs). However, the extent to which optimization strategies affect socioeconomically equitable distribution of AEDs is unknown. Methods: All suspected OHCAs and registered AEDs in Scotland between Jan. 2011 - Sept. 2017 with a recorded location were included and mapped across the quintiles of the Scottish Index of Multiple Deprivation (SIMD), a national measure of socioeconomic status. First, we maintained AEDs at current locations and modeled placing an equal number of additional AEDs to maximize “coverage” (i.e., AED located within 100 m) of suspected OHCAs. A second analysis determined optimal sites for relocating all existing AEDs to optimize coverage without additional AEDs. We computed the proportion of OHCAs covered in each SIMD quintile under each AED placement strategy. A Wilcoxon signed-rank test was used to test difference in coverage levels across all regions of Scotland. Results: We identified 49,692 suspected OHCAs and 1,532 AEDs. Existing AEDs covered 1,384 OHCAs (2.8%), with OHCA coverage peaking in quintile 3 (moderate deprivation), indicating a mismatch with the distribution of suspected OHCA. Adding an equal number of new AEDs in optimal locations covered 10,465 OHCAs (21.1%; P<0.001). Optimal relocation of existing AEDs with no additional units covered 9,464 OHCAs (19.0%; P<0.001). OHCA coverage under either optimization strategy peaked in quintile 1 (highest deprivation), aligning to the OHCA incidence distribution. Conclusion: Optimizing AED placement significantly increases OHCA coverage and better aligns coverage with OHCA incidence across SIMD quintiles, improving socioeconomic equity of OHCA coverage. Relocating existing AEDs could achieve similar coverage to doubling the number of devices.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».