The effect of COVID-19 on emergency medical service call volumes and patient acuity: a cross-sectional study in Niagara, Ontario
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic is a major public health problem. Subsequently, emergency medical services (EMS) have anecdotally experienced fluctuations in demand, with reports across Canada of both increased and decreased demand. Our primary objective was to assess the effect of the COVID-19 pandemic on call volumes for several determinants in Niagara Region EMS. Our secondary objective was to assess changes in paramedic-assigned patient acuity scores as determined using the Canadian Triage and Acuity Scale (CTAS). METHODS: We analyzed data from a regional EMS database related to call type, volume, and patient acuity for January to May 2016-2020. We used statistical methods to assess differences in EMS calls between 2016 and 2019 and 2020. RESULTS: A total of 114,507 EMS calls were made for the period of January 1 to May 26 between 2016 and 2020, inclusive. Overall, the incidence rate of EMS calls significantly decreased in 2020 compared to the total EMS calls in 2016-2019. Motor vehicle collisions decreased in 2020 relative to 2016-2019 (17%), while overdoses relatively increased (70%) in 2020 compared to 2016-2019. Calls for patients assigned a higher acuity score increased (CTAS 1) (4.1% vs. 2.9%). CONCLUSION: We confirmed that overall, EMS calls have decreased since the emergence of COVID-19. However, this effect on call volume was not consistent across all call determinants, as some call types rose while others decreased. These findings indicate that COVID-19 may have led to actual changes in emergency medical service demand and will be of interest to other services planning for future pandemics or further waves of COVID-19.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».