Characteristics of 9-1-1 Calls Associated with an Increased Risk of Violence Against Paramedics in a Single Canadian Site
Notice bibliographique
Résumé
Background/Objectives: Violence is a significant occupational health issue for paramedics, yet underreporting limits efforts to identify and mitigate risk. Leveraging a novel, point-of-event violence reporting system, we aimed to identify characteristics of 9-1-1 calls associated with an increased risk of violence in a single paramedic service in Ontario, Canada. Methods: We retrospectively analyzed all electronic violence and patient care reports filed by paramedics in Peel Region and used logistic regression to identify call-level predictors of any violence and, more specifically, physical or sexual assault. Results: In total, 374 paramedics filed 974 violence reports, 40% of which documented an assault, corresponding to a rate of 4.18 violent encounters per 1000 9-1-1 calls. In adjusted models, the risk of violence was elevated for calls originating from non-residential locations (e.g., streets, hotels, bars), occurring during afternoon or overnight shifts, and involving young or working-age males. Presenting problems related to intoxication, mental health, or altered mental status were strongly associated with increased risk, with particularly high adjusted odds ratios for assault. Conclusions: These findings support the utility of near-miss and violence surveillance systems and highlight the need for multidisciplinary crisis response to high-risk calls, especially those involving mental health or substance use.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».