MétaCan
Menu
Retour à la cohorte
Enregistrement W4400534184 · doi:10.1080/10903127.2024.2372452

Post-Pandemic Growth in 9-1-1 Paramedic Calls and Emergency Department Transports Surpasses Pre-Pandemic Rates in the COVID-19 Era: Implications for Paramedic Resource Planning

2024· article· en· W4400534184 sur OpenAlexaff
Ryan P. Strum, Brent McLeod, Shawn Mondoux, Paul D. Miller, Andrew P. Costa

Notice bibliographique

RevuePrehospital Emergency Care · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensHamilton Health SciencesMcMaster UniversitySt. Joseph’s Healthcare HamiltonImpact
Organismes subventionnairesnon disponible
Mots-clésPandemicMedicineCoronavirus disease 2019 (COVID-19)Medical emergencyEmergency department2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Emergency medical servicesEmergency medicineVirologyNursingInfectious disease (medical specialty)OutbreakDisease

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The COVID-19 pandemic led to a decline in emergency department (ED) visits and a subsequent return to baseline pre-pandemic levels. It is unclear if this trend extended to paramedic services and if patient cohorts accessing paramedics changed. We examined trends and associations between paramedic utilization (9-1-1 calls and ED transports) and the COVID-19 timeframe. METHODS: We conducted a retrospective cross-sectional study using paramedic call data from the Hamilton Paramedic Services from January 2016 to December 2023. We included all 9-1-1 calls where paramedics responded to an incident, excluding paramedic interfacility transfers. We calculated lines of best fit for the pre-pandemic period (January 2016 to January 2020) and compared their predictions to the actual volumes in the post-pandemic period (May 2021 to December 2023). We used an interrupted time series regression model to determine the association between pandemic timeframes (pre-, during-, post-COVID-19) and paramedic utilization (9-1-1 calls and ED transports), while testing for annual seasonality. RESULTS: During the study timeframe, 577,278 calls for paramedics were received and 413,491 (71.6%) were transported to the ED. Post-pandemic, 9-1-1 calls exceeded predicted pre-pandemic levels by 1,298 per month, while ED transports exceeded by 543 per month. The pandemic significantly reduced monthly 9-1-1 calls (-588.2, 95% CI -928.8 to -247.5) and ED transports (-677.3, 95% CI -927.0 to -427.5). Post-pandemic, there was a significant and sustained resurgence in monthly 9-1-1 calls (1,208.0, 95% CI 822.1 to 1,593.9) and ED transports (868.8, 95% CI 585.8 to 1,151.7). Both models exhibited seasonal variations. CONCLUSIONS: Post-pandemic, 9-1-1-initiated paramedic calls experienced a substantial increase, surpassing pre-pandemic growth rates. ED transports returned to pre-pandemic levels but with a steeper and continuous pattern of growth. The resurgence in paramedic 9-1-1 calls and ED transports post-COVID-19 emphasizes an urgent necessity to expedite development of new care models that address how paramedics respond to 9-1-1 calls and transport to overcrowded EDs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,061
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,055
Tête enseignante GPT0,413
Écart entre enseignants0,358 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePrehospital Emergency CareMême sujetCOVID-19 and healthcare impactsTravaux en français237 207