सभी अध्ययन
अध्ययन 04 · BMC Medical Informatics and Decision Making
सहकर्मी-समीक्षितईएमएस प्रतिक्रिया समय को समझना
प्राथमिकता, कार्यभार, भूगोल, मौसम और परिचालन अंतराल विविधता तथा अत्यधिक विलंब को कैसे आकार देते हैं।
प्राथमिकता सबसे प्रभावी थी, पर कार्यभार, कारण, भूगोल, वर्षा, तापमान और अंतराल जुड़े थे; निम्न प्राथमिकताओं में लंबी पूँछ थी।
- शोध प्रश्न
- प्राथमिकता, कार्यभार, भूगोल, मौसम और परिचालन अंतराल विविधता तथा अत्यधिक विलंब को कैसे आकार देते हैं।
- अध्ययन जनसंख्या
- 11,44,754 ईएमएस मिशन · 2017–2022 · स्टॉकहोम, स्वीडन
- विधि
- 2017–2022 के 1,144,754 स्टॉकहोम मिशनों में परिचालन, भौगोलिक और मौसम चरों का प्रतिगमन व मशीन-लर्निंग विश्लेषण।
- मुख्य निष्कर्ष
- प्राथमिकता सबसे प्रभावी थी, पर कार्यभार, कारण, भूगोल, वर्षा, तापमान और अंतराल जुड़े थे; निम्न प्राथमिकताओं में लंबी पूँछ थी।
- परिचालन महत्व
- प्रबंधन को केवल सर्वोच्च प्राथमिकता का माध्य नहीं, सभी प्राथमिकताओं का वितरण और अत्यधिक विलंब देखना चाहिए।
यातायात डेटा नहीं था, अध्ययन एक क्षेत्र का था और मॉडल वास्तविक-समय उपयोग के लिए तैयार नहीं हैं।
प्रकाशन खोलें ↗सबसे लंबे प्रतिक्रिया समय क्या दिखाते हैं?
इस शोध प्रश्न को खोजेंमूल प्रकाशन का शीर्षक
Understanding EMS response times: a machine learning-based analysis
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
- प्राथमिकता, कार्यभार, भूगोल, मौसम और परिचालन अंतराल विविधता तथा अत्यधिक विलंब को कैसे आकार देते हैं।
- अध्ययन जनसंख्या
- 11,44,754 ईएमएस मिशन
- स्थान
- स्टॉकहोम, स्वीडन
- अध्ययन अवधि
- 2017–2022
- विधि
- 2017–2022 के 1,144,754 स्टॉकहोम मिशनों में परिचालन, भौगोलिक और मौसम चरों का प्रतिगमन व मशीन-लर्निंग विश्लेषण।
- व्याख्या की सीमाएँ
- यातायात डेटा नहीं था, अध्ययन एक क्षेत्र का था और मॉडल वास्तविक-समय उपयोग के लिए तैयार नहीं हैं।
- इस शोध का उद्धरण
- 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