MétaCan
Menu
Retour à la cohorte
Enregistrement W4417290727 · doi:10.1016/j.resplu.2025.101189

Feasibility of public CPR training kiosks to increase bystander resuscitation: a Monte Carlo simulation study

2025· article· en· W4417290727 sur OpenAlex
Robert Ohle, David W. Savage, Danielle Carole Roy, Krishan Yadav, Sarah McIsaac

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueResuscitation Plus · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Arrest and Resuscitation
Établissements canadiensUniversity of OttawaNOSM UniversityOttawa HospitalHealth Sciences North
Organismes subventionnairesnon disponible
Mots-clésInteractive kioskBystander effectTraining (meteorology)Action (physics)Simulation trainingMonte Carlo method

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,260
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,381
Écart entre enseignants0,296 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle