Todos os estudos
Estudo 04 · BMC Medical Informatics and Decision Making
Revisto por paresCompreendendo os tempos de resposta EMS
Como prioridade, carga, geografia, clima e intervalos operacionais moldam variabilidade e atrasos extremos.
Prioridade dominou, mas carga, motivo, geografia, chuva, temperatura e intervalos interagiram; prioridades baixas tiveram caudas longas.
- Pergunta de pesquisa
- Como prioridade, carga, geografia, clima e intervalos operacionais moldam variabilidade e atrasos extremos.
- População
- 1.144.754 missões de emergência médica · 2017–2022 · Estocolmo, Suécia
- Método
- Análise de 1.144.754 missões em Estocolmo, 2017–2022, com variáveis operacionais, geográficas e meteorológicas.
- Principais achados
- Prioridade dominou, mas carga, motivo, geografia, chuva, temperatura e intervalos interagiram; prioridades baixas tiveram caudas longas.
- Relevância operacional
- A gestão deve acompanhar distribuições e atrasos extremos em todas as prioridades, não apenas uma mediana.
Faltaram dados de tráfego, foi uma região e os modelos não estão prontos para uso em tempo real.
Abrir publicação ↗O que revelam os tempos mais longos?
Explorar esta pergunta de investigaçãoTítulo da publicação original
Understanding EMS response times: a machine learning-based analysis
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 prioridade, carga, geografia, clima e intervalos operacionais moldam variabilidade e atrasos extremos.
- População
- 1.144.754 missões de emergência médica
- Contexto
- Estocolmo, Suécia
- Período
- 2017–2022
- Método
- Análise de 1.144.754 missões em Estocolmo, 2017–2022, com variáveis operacionais, geográficas e meteorológicas.
- Limites de interpretação
- Faltaram dados de tráfego, foi uma região e os modelos não estão prontos para uso em tempo real.
- Citar esta pesquisa
- 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