Short Survey on Cardiopulmonary Resuscitation and Automated External Defibrillator Training in Rural British Columbia Schools: Preliminary Findings and Hypothesis-Generating Insights
Notice bibliographique
Résumé
BackgroundBritish Columbia (BC) faces over 7,000 out-of-hospital cardiac arrests (OHCA) annually, disproportionately affecting rural areas due to slower emergency medical service (EMS) response and limited specialized care. Despite known benefits of automated external defibrillator (AED) access and cardiopulmonary resuscitation (CPR) training, their status in rural BC schools is poorly documented.MethodsWe used an online survey with principals and vice-principals of rural schools in BC. The survey assessed AED accessibility, prevalence of CPR and AED training and obstacles to implementing such training. Questions covered school demographics, AED installation, and CPR/AED training for staff and students.ResultsWe recruited 23 (46%) elementary (kindergarten - grade 7), 6 (12%) middle (grades 6 - 8), and 21 (42%) high schools (grades 8 - 12). 72% (36 out of 50) had at least one AED installed, 46% required staff CPR training, and 24% provided student CPR training. Significant gaps in training were noted for elementary and middle school students compared to high schools (p<0.05).ConclusionsDisparities in AED and CPR training across rural schools in BC exist, highlighting a need for policy improvements and innovative solutions to enhance first aid education. Barriers to implementing CPR and AED training included lack of funding, curricular priority, time constraints, and limited resources. Despite a 10.3% response rate, this study reveals significant disparities in AED and CPR training across school levels in rural BC, underscoring the need for targeted policies and educational strategies to enhance emergency preparedness and improve cardiac arrest outcomes in underserved areas.
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 | 0,001 | 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 | 0,001 | 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 ».