Impact of a postcrash first aid educational program on knowledge, perceived skills confidence, and skills utilization among traffic police officers: a single-arm before-after intervention study
Notice bibliographique
Résumé
Abstract Background An overwhelming proportion of road traffic deaths and injuries in low- and middle-income countries (LMICs) occur in prehospital environments. Lay first responders such as police officers play an important role in providing initial assistance to victims of road traffic injuries either alone or in collaboration with others. The present study evaluated a postcrash first aid (PFA) educational program developed for police officers in Tanzania. Method A 16-h PFA educational program was conducted in Dar es Salaam, Tanzania, for 135 police officers. Participants completed training surveys before, immediately and 6 months after the training (before, N = 135; immediately after, N = 135; after 6 months, N = 102). The primary outcome measures were PFA knowledge, perceived skills confidence, and skills utilization. Parametric and nonparametric tests were used to analyse changes in outcome. Results The mean PFA knowledge score increased from 44.73% before training (SD = 20.70) to 72.92% 6 months after training (SD = 18.12), p < .001, N = 102. The mean PFA perceived skills confidence score (measured on a 1–5 Likert scale) increased from 1.96 before training (SD = 0.74) to 3.78 6 months after training (SD = 0.70), p < .001, N = 102. Following training, application of the recovery position skill (n = 42, 46%) and application of the bleeding control skill (n = 45, 49%) were reported by nearly half of the responding officers. Less than a quarter of officers reported applying head and neck immobilization skills (n = 20, 22%) following training. Conclusion A PFA educational program has shown to improve police officers’ knowledge and perceived skills confidence on provision of first aid. However qualitative research need to be conducted to shed more light regarding reasons for low utilization of trained first aid skills during follow-up.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».