Reducing Barriers to Optimal Automated External Defibrillator Use: An Elementary School Intervention Study
Notice bibliographique
Résumé
BackgroundTimely use of an automated external defibrillator (AED) improves outcomes in sudden cardiopulmonary arrest (SCA). Our project aims were to: 1) identify the barriers to optimal AED use in the Québec City area elementary schools; 2) create targeted educational material regarding AEDs; and 3) measure the impact of the teaching module.MethodsUsing a quality improvement in health-care framework, a survey exploring the barriers to AED use was sent to 139 elementary schools. We then developed a video teaching module on using AEDs to address these barriers. A convenience sample of 92 elementary school professionals participated in a mock scenario. Metrics related to AED use were assessed at baseline and after completing the post-teaching module. The primary outcome was the time to first shock and secondary outcomes consisted of evaluating the completion of each step required for safe and effective AED use.ResultsThe barrier analysis survey received a response rate of 52.5%. Most schools reported having an AED (95%), but 48.6% indicated that no formal training was offered. After the teaching module, the appropriate use of the AED in an SCA simulation improved from 53% to 92% (P < 0.001). The average time elapsed before first shock was 66 (95% confidence interval [CI], 63-70) seconds at baseline compared with 47 (95% CI, 45-49) seconds post-teaching module (P < 0.001).ConclusionsLack of training, the main barrier to optimal use of AEDs in elementary schools, can be addressed through a brief video teaching module, thus improving the ability to deliver timely and effective defibrillation.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».