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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,071
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 tête enseignante, pas un consensus.

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