Abstract 10861: Determining the Importance of Gender, Race, and Body Shape for Cardiopulmonary Resuscitation Education Using Manikins
Notice bibliographique
Résumé
Introduction: Cardiopulmonary resuscitation (CPR) education plays a critical role in reducing cardiovascular deaths. Thus, it is crucial that trainees engage in practice simulations that accurately replicate a cardiovascular emergency. Recent work has shown that certain demographic groups such as Black Americans and women are less likely to receive efficient CPR, and technique may vary on individuals who have an increased body mass index or who are pregnant. Poor representation of these groups in the manikins used for CPR simulation may play a substantial role in these inequities. Hypothesis: There is a deficiency in the diversity of race, gender, and body habitus of manikins used for CPR training in North and South America. Methods: Institutions, businesses, and non-governmental organizations which administer CPR certification in North and South America were identified for survey distribution through a collaboration with the Inter-American Society of Cardiology. A survey was administered using the online platform Qualtrics (Provo, USA) consisting of 18 questions about manikin supply, usage, and diversity. Results and Conclusions: A total of 52 survey responses were received from North America (n=20; 854 total manikins) and South America (n=32; 1,169 total manikins). Of the total manikins (n=2,023), 318 (16%) were non-white, 114 (6%) were female, 20 (1%) represented a non-lean body habitus, and 18 (1%) were pregnant. The importance of diverse manikin representation in simulation training is underscored by literature detailing deficiencies in CPR initiation and associated outcomes in individuals who are not lean white males. Yet, the majority of manikins used in North and South America still disproportionally represent this population. It is pertinent that manikins used for CPR training reflect all populations at risk for major adverse cardiovascular events.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».