Examining the association between ethnicity and out-of-hospital cardiac arrest interventions in Salt Lake City, Utah
Notice bibliographique
Résumé
Aims: Previous research has reported racial disparities in out-of-hospital cardiac arrest (OHCA) interventions, including bystander CPR and AED use. However, studies on other prehospital interventions are limited. The primary objective of this study was to investigate race/ethnic disparities in out-of-hospital cardiac arrest (OHCA) interventions: EMS response times, medication administration, and decisions for intra-arrest transport. The secondary objective was to evaluate differences in the provision of Bystander CPR (CPR) and application of AED. Methods: We retrospectively analyzed data from the Salt Lake City Fire Department (2010-2023). We included adults 18 years or older with EMS-treated OHCA. Race/ethnicity was categorized as White people, Asian people, Black people, Hispanic people, and others. We employed multivariable regression analysis to evaluate the association between race/ethnicity and the outcomes of interest. Results: Unadjusted analyses revealed no significant differences across ethnic groups in EMS response, medication administration, bystander CPR, or intra-arrest transport decisions. However, significant ethnic disparities were observed in Automated External Defibrillator (AED) utilization, Black people having the lowest rate (6.5%) and Asian people the highest (21.8%). The adjusted analysis found no significant association between race/ethnicity and all OHCA intervention measures, nor between race/ethnicity and survival outcomes. Conclusions: Our multivariable analysis found no statistically significant association between race/ethnicity and EMS response time, epinephrine administration, antiarrhythmic medication use, bystander CPR, AED intervention, or intra-arrest transport. These results imply regional variations in ethnic disparities in OHCA may not be consistent across all areas, warranting further research into disparities in other regions and additional influential factors like neighborhood conditions and socioeconomic status.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».