全部研究
研究 02 · BMC Medical Informatics and Decision Making
已通过同行评审呼吸急症与非线性风险
在132,395次呼吸困难任务中，响应时间、年龄和性别如何与时间敏感的高风险分诊相互作用。
年龄是最重要的模型特征；60岁以上患者在响应超过两小时后呈复杂的HRTS概率上升，模型区分度有限（AUC 0.66）。
- 研究问题
- 在132,395次呼吸困难任务中，响应时间、年龄和性别如何与时间敏感的高风险分诊相互作用。
- 研究人群
- 132,395 次急救任务 · 2017–2022 · 瑞典斯德哥尔摩
- 研究方法
- 对2017–2022年斯德哥尔摩132,395次呼吸困难任务进行回顾性观察分析，并通过PD与ICE图探索非线性关系。
- 主要发现
- 年龄是最重要的模型特征；60岁以上患者在响应超过两小时后呈复杂的HRTS概率上升，模型区分度有限（AUC 0.66）。
- 运行意义
- 长时间等待可能需要系统性重新评估，尤其是初次呼叫可能低估脆弱性时。
该探索模型尚未用于个体预测或自动调度验证，变量有限且来自单一地区。
打开论文 ↗为何相同等待可能有不同意义？
探索此研究问题原始出版物标题
Uncovering nonlinear patterns in time-sensitive prehospital breathing emergencies: an exploratory machine learning study
本页为研究摘要。完整方法、结果及再利用条款请参阅英文原始出版物。
研究来源
- 发表状态
- 已通过同行评审
- 研究问题
- 在132,395次呼吸困难任务中，响应时间、年龄和性别如何与时间敏感的高风险分诊相互作用。
- 研究人群
- 132,395 次急救任务
- 研究环境
- 瑞典斯德哥尔摩
- 研究期间
- 2017–2022
- 研究方法
- 对2017–2022年斯德哥尔摩132,395次呼吸困难任务进行回顾性观察分析，并通过PD与ICE图探索非线性关系。
- 解释边界
- 该探索模型尚未用于个体预测或自动调度验证，变量有限且来自单一地区。
- 引用本研究
- 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