Todos los estudios
Estudio 04 · BMC Medical Informatics and Decision Making
Revisado por paresComprender los tiempos de respuesta EMS
Cómo prioridad, carga, geografía, clima e intervalos operativos configuran la variación y los retrasos extremos.
La prioridad dominó, pero carga, motivo, geografía, precipitación, temperatura e intervalos interactuaron; las prioridades bajas mostraron colas largas.
- Pregunta de investigación
- Cómo prioridad, carga, geografía, clima e intervalos operativos configuran la variación y los retrasos extremos.
- Población
- 1.144.754 misiones de emergencias médicas · 2017–2022 · Estocolmo, Suecia
- Método
- Análisis de 1 144 754 misiones en Estocolmo, 2017–2022, integrando variables operativas, geográficas y meteorológicas.
- Hallazgos principales
- La prioridad dominó, pero carga, motivo, geografía, precipitación, temperatura e intervalos interactuaron; las prioridades bajas mostraron colas largas.
- Relevancia operativa
- La gestión debe observar distribuciones y retrasos extremos en todas las prioridades, no solo una mediana.
Faltaron datos de tráfico, el estudio fue regional y los modelos no están listos para uso en tiempo real.
Abrir publicación ↗¿Qué revelan los tiempos más largos?
Explorar esta pregunta de investigaciónTítulo de la publicación original
Understanding EMS response times: a machine learning-based analysis
Esta página es un resumen de investigación. Consulte la publicación original en inglés para conocer los métodos, resultados y condiciones de reutilización completos.
Procedencia de la investigación
- Estado de publicación
- Revisado por pares
- Pregunta de investigación
- Cómo prioridad, carga, geografía, clima e intervalos operativos configuran la variación y los retrasos extremos.
- Población
- 1.144.754 misiones de emergencias médicas
- Entorno
- Estocolmo, Suecia
- Periodo
- 2017–2022
- Método
- Análisis de 1 144 754 misiones en Estocolmo, 2017–2022, integrando variables operativas, geográficas y meteorológicas.
- Límites de interpretación
- Faltaron datos de tráfico, el estudio fue regional y los modelos no están listos para uso en tiempo real.
- Citar esta investigación
- Hill P, Lederman J, Jonsson D, Bolin P, et al. Understanding EMS response times: a machine learning-based analysis. BMC Med Inform Decis Mak. 2025;25:143. doi:10.1186/s12911-025-02975-z