सभी अध्ययन
अध्ययन 02 · BMC Medical Informatics and Decision Making
सहकर्मी-समीक्षितश्वसन आपातस्थिति और गैर-रेखीय जोखिम
132,395 श्वसन-संबंधी मिशनों में प्रतिक्रिया समय, आयु और लिंग उच्च-जोखिम समय-संवेदी ट्रायेज से कैसे जुड़े हैं।
आयु सबसे महत्वपूर्ण विशेषता थी; 60 वर्ष से अधिक में दो घंटे के बाद HRTS संभावना का जटिल बढ़ता स्वरूप मिला, AUC 0.66 था।
- शोध प्रश्न
- 132,395 श्वसन-संबंधी मिशनों में प्रतिक्रिया समय, आयु और लिंग उच्च-जोखिम समय-संवेदी ट्रायेज से कैसे जुड़े हैं।
- अध्ययन जनसंख्या
- 1,32,395 ईएमएस मिशन · 2017–2022 · स्टॉकहोम, स्वीडन
- विधि
- 2017–2022 के स्टॉकहोम में 132,395 श्वसन मिशनों का पूर्वव्यापी विश्लेषण; PD और ICE से गैर-रेखीय संबंधों की जाँच।
- मुख्य निष्कर्ष
- आयु सबसे महत्वपूर्ण विशेषता थी; 60 वर्ष से अधिक में दो घंटे के बाद HRTS संभावना का जटिल बढ़ता स्वरूप मिला, AUC 0.66 था।
- परिचालन महत्व
- लंबी प्रतीक्षा में व्यवस्थित पुनर्मूल्यांकन उचित हो सकता है, विशेषकर जब प्रारंभिक कॉल में संवेदनशीलता कम आँकी गई हो।
यह अन्वेषी मॉडल व्यक्तिगत भविष्यवाणी या स्वचालित प्रेषण के लिए प्रमाणित नहीं है और एक क्षेत्र के सीमित चर उपयोग करता है।
प्रकाशन खोलें ↗समान प्रतीक्षा का अर्थ अलग क्यों हो सकता है?
इस शोध प्रश्न को खोजेंमूल प्रकाशन का शीर्षक
Uncovering nonlinear patterns in time-sensitive prehospital breathing emergencies: an exploratory machine learning study
यह पृष्ठ शोध का सारांश है। संपूर्ण विधियों, परिणामों और पुनः उपयोग की शर्तों के लिए मूल अंग्रेज़ी प्रकाशन देखें।
शोध का स्रोत
- प्रकाशन स्थिति
- सहकर्मी-समीक्षित
- शोध प्रश्न
- 132,395 श्वसन-संबंधी मिशनों में प्रतिक्रिया समय, आयु और लिंग उच्च-जोखिम समय-संवेदी ट्रायेज से कैसे जुड़े हैं।
- अध्ययन जनसंख्या
- 1,32,395 ईएमएस मिशन
- स्थान
- स्टॉकहोम, स्वीडन
- अध्ययन अवधि
- 2017–2022
- विधि
- 2017–2022 के स्टॉकहोम में 132,395 श्वसन मिशनों का पूर्वव्यापी विश्लेषण; PD और ICE से गैर-रेखीय संबंधों की जाँच।
- व्याख्या की सीमाएँ
- यह अन्वेषी मॉडल व्यक्तिगत भविष्यवाणी या स्वचालित प्रेषण के लिए प्रमाणित नहीं है और एक क्षेत्र के सीमित चर उपयोग करता है।
- इस शोध का उद्धरण
- Hill P, Jonsson D, Lederman J, Bolin P, et al. Uncovering nonlinear patterns in time-sensitive prehospital breathing emergencies: an exploratory machine learning study. BMC Med Inform Decis Mak. 2025;25:205. doi:10.1186/s12911-025-03046-z