Emergency Transport Crew: Post-Traumatic Stress Disorder Prevention Program
Notice bibliographique
Résumé
Background: The incidences of post-traumatic stress disorder (PTSD) among critical care nurses, emergency room nurses, and paramedics range from 20 to 33%. PTSD is associated with a lower quality of life (QOL), occupational impairments, physical health decline, and increases the risk of premature death. Research supports prevention and surveillance measures for post-traumatic stress disorder in emergency medical service providers, but the practice is not routinely done. Methods: A multi-purpose quality improvement project focused on educating transport crew members about PTSD. Other interventions emphasized anti-stigma lessons, resiliency assistance, and coping skills training. The pilot provided surveillance efforts, employed an early organizational PTSD recognition, and immediate debriefing for at-risk personnel at three Air Evac Lifeteam bases. Results: After the QI interventions, most crew members’ overall post-test PCL-5 scores were lowered by 12.5%. Another measure of the QI success was the Professional Quality of Life score improvement. Specially, the compassion satisfaction average level increased by 14% and the average burnout level decreased by of 15%. Conclusions: The QI project demonstrated the transport crew members’ well-being can be positively influenced by a PTSD prevention and surveillance program. These interventions offer a promising reduction in the prevalence of stress and PTSD. A nationwide practice change with these project interventions could improve the mental health of helicopter emergency medical personnel.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».