Change in Cardiopulmonary Resuscitation Performance Over Time During Simulated Pediatric Cardiac Arrest and the Effect of Just-in-Time Training and Feedback
Notice bibliographique
Résumé
OBJECTIVES: Effective cardiopulmonary resuscitation (CPR) is critical to ensure optimal outcomes from cardiac arrest, yet trained health care providers consistently struggle to provide guideline-compliant CPR. Rescuer fatigue can impact chest compression (CC) quality during a cardiac arrest event, although it is unknown if visual feedback or just-in-time training influences change of CC quality over time. In this study, we attempt to describe the changes in CC quality over a 12-minute simulated resuscitation and examine the influence of just-in-time training and visual feedback on CC quality over time. METHODS: We conducted secondary analysis of data collected from the CPRCARES study, a multicenter randomized trial in which CPR-certified health care providers from 10 different pediatric tertiary care centers were randomized to receive visual feedback, just-in-time CPR training, or no intervention. They participated in a simulated cardiac arrest scenario with 2 team members providing CCs. We compared the quality of CCs delivered (depth and rate) at the beginning (0-4 minutes), middle (4-8 minutes), and end (8-12 minutes) of the resuscitation. RESULTS: There was no significant change in depth over the 3 time intervals in any of the arms. There was a significant increase in rate (128 to 133 CC/min) in the no intervention arm over the scenario duration (P < 0.05). CONCLUSIONS: There was no significant drop in CC depth over a 12-minute cardiac arrest scenario with 2 team members providing compressions.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 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 ».