Feasibility of public CPR training kiosks to increase bystander resuscitation: a Monte Carlo simulation study
Notice bibliographique
Résumé
Background Survival after out-of-hospital cardiac arrest (OHCA) depends on immediate bystander cardiopulmonary resuscitation (CPR), yet rates range from 42-70% in Canada. Traditional CPR education faces barriers of access, retention, and scalability. Public CPR kiosks are a novel alternative, but their potential population-level impact is uncertain. Methods We developed a Monte Carlo and queueing-based simulation model to estimate the effect of CPR kiosks on bystander CPR in Toronto, Canada. The model incorporated venue-specific passer volumes, funnel attrition (approach, engagement, practice, competence), demographic witness likelihood, post-training willingness to act, and skill retention. Outcomes included competent trainees, witness-weighted trainees, additional CPR attempts, change in citywide bystander CPR, lives saved, and cost-effectiveness. We modelled deployment of 30 kiosks across four venue types—mega-volume public spaces (n=6), hospitals (n=8), large commercial venues (n=8), and community sites (n=8)—each with empirically informed passer volumes and engagement probabilities. Results Median annual throughput per kiosk ranged from 488 competent trainees (95% credible interval [CrI], 94–1550) at small sites (0.5 million passers) to 19,618 (95% CrI, 3706–50,000) at mega-sites (40 million passers). Witness-weighted trainees were highest in hospitals and pharmacies, reflecting more caregivers and seniors. Training increased willingness to act from 40% to 60–80%; this action uplift strongly influenced outcomes. In Toronto, a blended network of 30 kiosks (6 mega, 8 hospital, 8 community, 8 large) increased bystander CPR by 7.5–8.0 percentage points, with a 90–95% probability of meeting or exceeding a 5–point target within one year. This translated to ∼150 additional CPR attempts and 15 lives saved annually. Costs were ∼$10,000 per life saved and ∼$1250 per quality-adjusted life year (QALY). Conclusions Simulation modeling suggests CPR kiosks can feasibly and cost-effectively increase bystander CPR, with impact shaped by visibility, action willingness, and targeting individuals most likely to witness arrest.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».