Stopping the Bleed: Can Just-in-Time Training Improve the Tourniquet Application Competencies of Bystanders and First Responders? – A Randomized Control Trial
Notice bibliographique
Résumé
Background/Introduction: Public education in effective interventions for external hemorrhage control for gunshot wounds has become a priority focus. There remains a gap in training programs of populations of non-medical bystanders who would be the first to stop this bleeding in a mass shooting. Objectives: To create a WHO EMT initiative community training program designed to close this gap in low-middle income countries, complex humanitarian events and in conflict zones. Method/Description: This study is a factorial randomized control study, utilizing four cohort groups. Two comprised of bystanders with no previous medical training, and the remaining two comprised of first responders previously trained to control external hemorrhage. Each group was put through the same hemorrhage control simulation; one cohort of each bystander/first responder groups acted as a respective control group receiving only a tourniquet, whereas other cohorts of each group received Stop-the-Bleed® handouts to serve as the point-of-care instructional method of Just-in-Time training alongside the tourniquets. Results/Outcomes: Within the bystander’s cohort, 26.3% of the group who received JiT training applied the tourniquet correctly vs 6.3% of the control group. Of the first responder’s cohort, 75% of those who received JiT training applied the tourniquet correctly vs 66.7% of the control group. There was no statistically significant difference in the ability to correctly apply the tourniquet in the intervention vs control groups of either cohort. Conclusion: The WHO EMT initiative has the opportunity to train non-medical bystanders to receive Just-in-Time training to effectively place a tourniquet to stop the bleeding after a mass shooting.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».