Public defibrillator accessibility and mobility trends during the COVID-19 pandemic in Canada
Notice bibliographique
Résumé
INTRODUCTION: The COVID-19 pandemic has led to closures of non-essential businesses and buildings. The impact of such closures on automated external defibrillator (AED) accessibility compared to changes in foot traffic levels is unknown. METHODS: We identified all publicly available online AED registries in Canada last updated May 1, 2019 or later. We mapped AED locations to location types and classified each location type as completely inaccessible, partially inaccessible, or unaffected based on government-issued closure orders as of May 1, 2020. Using location and mobility data from Google's COVID-19 Community Mobility Reports, we identified the change in foot traffic levels between February 15-May 1, 2020 (excluding April 10-12) compared to the baseline of January 3-February 1, 2020, and determined the discrepancy between foot traffic levels and AED accessibility. RESULTS: We identified four provincial and two municipal AED registries containing a total of 5848 AEDs. Of those, we estimated that 69.9% were completely inaccessible, 18.8% were partially inaccessible, and 11.3% were unaffected. Parks, retail and recreation locations, and workplaces experienced the greatest reduction in AED accessibility. The greatest discrepancies between foot traffic levels and AED accessibility occurred in parks, retail and recreation locations, and transit stations. CONCLUSION: A majority of AEDs became inaccessible during the COVID-19 pandemic due to government-mandated closures. In a substantial number of locations across Canada, the reduction in AED accessibility was far greater than the reduction in foot traffic.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».