257 Reduction in EMS response times for out-of-hospital cardiac arrest using drone-like flying ambulances in large urban areas in France and Canada: An international, quasi-experimental study
Notice bibliographique
Résumé
Background Shortening EMS response times lead to better outcomes after out-of-hospital cardiac arrest (OHCA). To overcome constraints encountered by ground ambulances, vertical take-off and landing (VTOL) capable flying ambulances are currently being developed. We compared simulated VTOL response to historical ground ambulance response for OHCAs in two large metropolitan areas in Europe and North America. Method We conducted an international, multicenter, quasi-experimental study on adult, non-traumatic, EMS-assessed, non-EMS witnessed OHCA occurring in the greater Paris (France) and Vancouver (Canada) metropolitan areas, over a 2-year span (2018–2020). Data were drawn from Utstein-style, population-based OHCA registries. VTOL response times were simulated based on prototype specifications. Response times were defined from call reception to arrival at scene. Simulation models considered 1–5 VTOL vehicles placed in optimized locations. We determined the proportion of OHCAs for which VTOL response times were at least 1-min shorter than historical response from ground-based units. Results In total, 13,933 cases were included (6,616 in Paris; 7,317 in Vancouver). Simulated VTOL response times were substantially shorter than those of ground-based units, varying from 59% (1 VTOL) to 76% (5 VTOL) in Paris, and 17% (1 VTOL) to 40% (5 VTOL) in Vancouver. In both locations, median response times were reduced by 1–3 minutes, and 90th percentile response times by 1–5 minutes, varying upon model configuration. For OHCAs with improved response, the median improvement was 3–4 minutes, and 90th percentile improvement was 8–10 minutes in both areas. Conclusion Simulation models of VTOL-capable flying ambulances show major theoretical reduction in EMS response times for OHCAs in two large European and North American metropolitan areas. Conflict of interest None. Funding None.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».