The learning impact of a virtual CPR webinar for seniors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aim: To assess the learning impact of a virtual interactive CPR webinar for seniors through mix-methods quantitative and qualitative survey analysis. Methods: We surveyed 350 webinar attendees. The webinar trained participants in hands-only CPR technique and AED use. Survey questions included multiple-choice selection and open-ended responses. Qualitative inductive thematic analysis was conducted on open-ended question responses. Knowledge of CPR was measured on a 3-point scale (very little knowledge, some knowledge, a lot of knowledge). Proportions were compared pre and post seminar using a z-test. Results: 231 respondents ≥ 65 years participated in the survey (response rate 66.0 %). There was a significant increase in self-reported knowledge of CPR pre and post webinar (very little knowledge 33.9 % to 1.8 % P < 0.00001, some knowledge 54.2 % to 12.1 % P < 0.0001, a lot of knowledge 11.9 % to 86.1 % P < 0.0001). We found 5 main themes on participant feedback: Positive affective comments, learning, constructive criticism, the desire to share information and comments on CPR ability. We identified 4 main themes related to further questions: Performing CPR in different circumstances, risks of CPR, information sharing, and prevention of death from myocardial infarction. Following the webinar, 89.9 % of respondents chose that they would be very likely to perform CPR on a friend, family member or colleague. Conclusion: This study highlights the success of virtual CPR webinars for senior citizens in improving self-reported CPR knowledge. This has potential to address barriers to online education for seniors and increase bystander CPR rates.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle