The Impact of Ambulance Diversion on EMS Resource Availability
Notice bibliographique
Résumé
OBJECTIVE: Ambulance diversion has been proposed as a solution to emergency department overcrowding and waiting room deaths. For ethical and legal reasons, it remains highly controversial. The impact on EMS resources is not known. This study seeks to determine how diversion impacts the availability of ambulance resources, specifically transport time, hospital turnaround, and total out-of-service time. METHODS: All emergency ambulance responses in 2002 while one of the city's hospitals was on diversion were collected, including those responses during the hour of the diversion and 30 minutes before and after. The time intervals for these responses were time and date matched to 2001, if no hospital was on diversion. Total out-of-service time (911 to availability for another call), time from departure from scene to arrival at hospital (transport interval), and time from arrival at hospital to availability for another call (turnaround time) were compared by using a t-test. RESULTS: The 1,563 instances of diversion were included, with 1,403 controls. Interim analysis allowed calculation of a sample size of 1,049 in each group to show a 2-minute difference in turnaround time and 330 calls in each for a 5-minute difference in total out-of-service time (0.25 SD). Transport, hospital turnaround, and total out-of-service times were not different between diversion and control time periods. This relies on the accuracy of the status button system and may not generalize to systems with different geography, diversion policy, number of hospitals, or handling of interfacility transfers. CONCLUSION: The availability of EMS resources is maintained during times of ambulance diversion. Diversion avoids potential delays associated with sending ambulances to overwhelmed emergency departments.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».