Prevalence and Characteristics of Violence against Paramedics in a Single Canadian Site
Notice bibliographique
Résumé
Violence against paramedics has been described as a ‘serious public health problem’ but one that remains ‘vastly underreported’, owing to an organizational culture that stigmatizes reporting–hindering efforts at risk mitigation in addition to creating a gap in research. Leveraging a novel reporting process developed after extensive stakeholder consultation and embedded within the electronic patient care record, our objective was to provide a descriptive profile of violence against paramedics in a single paramedic service in Ontario, Canada. Between 1 February 2021 and 31 January 2023, a total of 374 paramedics in Peel Region (48% of the workforce) generated 941 violence reports, of which 40% documented physical (n = 364) or sexual (n = 19) assault. The violence was typically perpetrated by patients (78%) and primarily took place at the scene of the 9-1-1 call (47%); however, violent behavior frequently persisted or recurred while in transit to hospital and after arrival. Collectively, mental health, alcohol, or drug use were listed as contributing circumstances in 83% of the violence reports. In all, 81 paramedics were physically harmed because of an assault. On average, our data correspond to a paramedic filing a violence report every 18 h, being physically assaulted every 46 h, and injured every 9 days.
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 | 0,004 | 0,001 |
| 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 | 0,000 | 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 ».