Todos os estudos
Estudo 02 · BMC Medical Informatics and Decision Making
Revisto por paresEmergências respiratórias e risco não linear
Como tempo de resposta, idade e sexo interagem com triagem de alto risco em 132.395 missões respiratórias.
Idade foi a variável principal; maiores de 60 mostraram aumento complexo de HRTS após duas horas. Discriminação modesta (AUC 0,66).
- Pergunta de pesquisa
- Como tempo de resposta, idade e sexo interagem com triagem de alto risco em 132.395 missões respiratórias.
- População
- 132.395 missões de emergência médica · 2017–2022 · Estocolmo, Suécia
- Método
- Análise retrospectiva de 132.395 missões respiratórias em Estocolmo, 2017–2022, com PD e ICE para relações não lineares.
- Principais achados
- Idade foi a variável principal; maiores de 60 mostraram aumento complexo de HRTS após duas horas. Discriminação modesta (AUC 0,66).
- Relevância operacional
- Espera prolongada pode justificar reavaliação sistemática quando a vulnerabilidade pode ter sido subestimada.
Modelo exploratório não validado para previsão individual ou automação, com variáveis limitadas de uma região.
Abrir publicação ↗Porque pode a mesma espera ter significados diferentes?
Explorar esta pergunta de investigaçãoTítulo da publicação original
Uncovering nonlinear patterns in time-sensitive prehospital breathing emergencies: an exploratory machine learning study
Esta página é um resumo da investigação. Consulte a publicação original em inglês para os métodos, resultados e condições de reutilização completos.
Proveniência da investigação
- Estado da publicação
- Revisto por pares
- Pergunta de pesquisa
- Como tempo de resposta, idade e sexo interagem com triagem de alto risco em 132.395 missões respiratórias.
- População
- 132.395 missões de emergência médica
- Contexto
- Estocolmo, Suécia
- Período
- 2017–2022
- Método
- Análise retrospectiva de 132.395 missões respiratórias em Estocolmo, 2017–2022, com PD e ICE para relações não lineares.
- Limites de interpretação
- Modelo exploratório não validado para previsão individual ou automação, com variáveis limitadas de uma região.
- Citar esta pesquisa
- 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