Close-Up on Ambulance Service Estimation in Indonesia: Monte Carlo Simulation Study
Notice bibliographique
Résumé
BACKGROUND: Emergency medical services have a pivotal role in giving timely and appropriate responses to emergency events caused by medical, natural, or human-caused disasters. To provide adequate resources for the emergency services, such as ambulances, it is necessary to understand the demand for such services. In Indonesia, estimates of demand for emergency services cannot be obtained easily due to a lack of published literature or official reports concerning the matter. OBJECTIVE: This study aimed to ascertain an estimate of the annual volume of hospital emergency visits and the corresponding demand for ambulance services in the city of Jakarta. METHODS: In this study, we addressed the problem of emergency services demand estimation when aggregated detailed data are not available or are not part of the routine data collection. We used survey data together with the local Office of National Statistics reports and sample data from hospital emergency departments to establish parameter estimation. This involved estimating 4 parameters: the population of each area per period (day and night), the annual per capita hospital emergency visits, the probability of an emergency taking place in each period, and the rate of ambulance need per area. Monte Carlo simulation and naïve methods were used to generate an estimation for the mean ambulance needs per area in Jakarta. RESULTS: The results estimated that the total annual ambulance need in Jakarta is between 83,000 and 241,000. Assuming the rate of ambulance usage in Jakarta at 9.3%, we estimated the total annual hospital emergency visits in Jakarta at around 0.9-2.6 million. The study also found that the estimation from using the simulation method was smaller than the average (naïve) methods (P<.001). CONCLUSIONS: The results provide an estimation of the annual emergency services needed for the city of Jakarta. In the absence of aggregated routinely collected data on emergency medical service usage in Jakarta, our results provide insights into whether the current emergency services, such as ambulances, have been adequately provided.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».