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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».