マルチ

Scientific Reports volume 13、記事番号: 7496 (2023) この記事を引用

345 アクセス

2 オルトメトリック

メトリクスの詳細

EMS 隊員 (救急車) を待機している患者に派遣し、すでに乗車している患者を適切な救急部門 (ED) に誘導することは、簡単な決定問題ではありません。 多くの救急医療システムでは、医療派遣者がさまざまな戦略を使用して対応し、場合によっては最も近いユニットを優先します。 しかし、誤った戦略を適用すると、非常に専門的な医療援助を必要とする急性期患者が、治療能力が不十分で専門性の低い救急病院に転送される可能性があります。 その後、参照施設に再移送する必要があり、治療を受けるまでの時間が大幅に延長されます。 場合によっては、そのような遅れにより治療の効果が低下したり、治療が不可能になったりする可能性があります。 この研究では、患者と病院の割り当てを確立するために、2 つの多基準の数学的最適化問題を提案します。1 つ目は救急車と患者の割り当てを計算でき、2 つ目は患者と病院の割り当てを確立します。 これらの問題では、サポートまでの時間の基準が考慮されるだけでなく、各患者が受けるケアの専門性も最適化されます。 提案された ED の派遣問題では、患者を参照ユニットに直接転送することと、非参照の ED から患者を再転送することの両方が可能になります。 提案されたアプローチのパフォーマンスは、NEMSIS データセットからの実際の緊急事態を使用したシミュレーションでテストされ、古典的な割り当て戦略と比較されます。 テストでは、提案されたアプローチが、テストされた他の戦略よりも優れた、より目的に合ったディスパッチング結果を生成できることが示されました。 さらに、提案されている最適化問題を現在の EMS/ED 発送プロセスに組み込むためのフレームワークを提案します。

救急車を患者に派遣し、その後患者を適切な救急外来に派遣することは、多段階の意思決定プロセスです。 一方で、緊急事態では、できるだけ早く助けが来なければなりません。 しかしその一方で、患者の状態に合わせたサービスでなければなりません。 現在、さまざまな EMS 派遣戦略が使用されています。たとえば、最も近いアイドル状態のユニットの派遣、全体のカバー範囲の最大化、または EMS システムの準備の最大化です 1、2、3。 最も重要なことは、最も近い救急車を派遣するという戦略は 1972 年にすでに次善であることが証明されており、他の研究によってさらに確認されていることです 4,5,6。

さらに、多くの EMS システムでは、救急車は患者に提供できる専門レベルによって異なることに注意する必要があります。 一例はポーランドの国家救急医療システム 7 で、救急車は患者に提供する専門分野に基づいて区別されています。 つまり、次のタイプの EMS ユニットが存在します。

基本 - 救急隊員または看護師のスタッフが少なくとも 2 人いる救急車、

スペシャリスト - 少なくとも 3 人のスタッフがいる救急車 (そのうちの 1 人はシステムドクター)

HEMS - ヘリコプターによる救急医療サービス。少なくとも 3 人のスタッフがおり、そのうちの 1 人はシステムドクターです。

協力部隊 - 通常は公共の EMS サービスを提供していないが、必要に応じて派遣される可能性がある組織 (例: マルタ救急隊ポーランド騎士団)。

ヨーロッパの多くの国では、医療緊急通報の処理プロセスは次のとおりです。まず、発信者は緊急電話番号にダイヤルします。 欧州連合全土で、欧州の一般緊急電話番号である 112 にダイヤルすることができます。 112 番に連絡した場合、通常、最初のトリアージャーとして機能する非医療指令担当者が電話を受けます。 医療ディスパッチャー以外の担当者が、その通話が医学的に有効であると判断した場合、その通話を専任の専門の医療ディスパッチャーに転送します。 その後、医療派遣担当者はその通報をさらに調査し、適切にトリアージし、必要と判断された場合には適切な EMS ユニットを割り当てます。 この医療指令員は、救急隊員が適切な目的地病院を見つけるのにも役立ちます。 たとえば、そのようなモデルはオーストリアとドイツに存在します。 このアプローチでは、他のサービス (消防隊など) が独自のディスパッチャを持ち、サポートが必要な電話を処理します。 ただし、これらのディスパッチャーが直面する意思決定の問題については、この文書の範囲外です。

一部の国では、112 番を回避し、専用の番号を介して専門の EMS 医療派遣者に直接連絡することもできます。 そのような国の例としては、ポーランド、ルーマニア、フランスなどがあります。 あまり一般的ではない別の運用モデルも考えられます。このモデルでは、通話は医療以外の 112 ディスパッチャーによって完全に処理されます。 このようなモデルはフィンランドにも存在します8。

医療指令担当者は、そのプロセスに参加する場合、救急車の到着までの所要時間と乗務員が患者に提供できる専門性との間のトレードオフを図るという意思決定の問題に直面しなければなりません。 多くの場合、このプロセスは、専用の Medical Priority Dispatch ソフトウェアを使用することで容易になります。これについては、この文書で詳しく説明します。 ただし、このソフトウェアは通話の優先順位付けと分類には役立ちますが、(コールサインの観点から) 正確にどのユニットが応答するのが最適であるかを直接最適化するわけではありません。 下された決定は、さらなる治療の可能性に影響を与える可能性があります。 たとえば、相談のために心電図を地域の専門センターに遠隔送信する機能がない状態で救急車を派遣すると、ST 上昇心筋梗塞 (STEMI) などの重篤な心臓病変の誤診が生じる可能性があります9。 したがって、救急車から患者への派遣を最適に決定するには、到着までの時間と部隊の専門性の両方を考慮する必要があります。

EMS ユニットが現場に到着すると、チームは患者の状態の診断を深めます。 次に、その結​​果に基づいて、患者に必要な専門分野と推定到着までの時間の両方を考慮して、適切な救急科 (ED) を選択するためのさらなる決定を下す必要があります。 ポーランドでは、救急部門は国家医療救急システムの一部となっています7。 救急車と同様に、救急病院も、地域の救急病院、地域の専門家センター、外傷センターなど、さまざまなレベルの専門分野を提供しています。 この作業では、最後の 2 つのタイプを参照 ED と呼び、ローカル タイプを非参照 ED と呼びます。 救急車を患者に割り当てるのと同様に、特定の患者に適切な救急外来を特定するという問題は、救急外来への近さと患者の状態に必要な専門分野との間のトレードオフを確立する必要がある、重要な意思決定プロセスです。 ポーランドの規制によれば、患者が搬送される救急病院の設置は、指令員と患者の世話をする救急医療チームのチーフの共同協力によって行われます。

一部の急性疾患では、症状発現から所定の時間内に参考部門での高度に専門化された迅速な治療が必要です。 それらの例としては、大動脈解離（できるだけ早く治療する必要がある）、STEMI（最初の医療接触から90分以内が最も効果的な治療）、または大規模な肺塞栓症（発症から48時間以内が最も効果的な治療）などがあります10,11。 12. 治療を効果的に行うためには、患者を現場から直接、または紹介先以外の病棟からの再搬送によって、紹介先の病院に搬送する必要があります。 しかし、再転送により治療までの時間が大幅に遅れ、さらなる治療が効果的になることが困難になる可能性があります。 したがって、専門分野と治療までの時間の両方を考慮した最適な患者と病院の割り当て戦略を見つける必要があります。

この論文では、提供される救急サービスの時間や専門性などの目的を考慮した、救急車から患者および患者から病院への割り当て問題の両方に対する新しい多基準最適化問題を提案します。 時間と専門分野の要件は急性期患者全体で一律ではなく、病状に大きく依存します。 私たちはこの事実を最適化問題で考慮し、サポートまでの時間と各患者が受ける専門性の両方を最適化します。 これは各患者に対して個別に（患者ごとに）行われます。 その意味で、私たちは、患者の臨床状態を考慮して現在可能な最善の配車決定を正確に示す、救急車から患者、および患者から病院への最適な割り当てツールを設計することを目指しています。 このツールは、ディスパッチャーに推奨事項を提供することで、ディスパッチャーの決定を容易にすることを目的としています。

論文における派遣とは、正確な救急車を正確な患者に、さらに正確な救急車をこれらの患者に可能な限り最適に割り当てることを確立することであると理解されています。 これは、EMS システムの現在の運用状態 (利用可能な救急車の数、利用可能な病院のベッドの数、特定の救急車が患者に到着するまでの時間、または目的の病院に到着するまでの時間など) を考慮して行われます。 これは、文献で時々見られる、緊急通報のトリアージおよび分類としての派遣の理解とは対照的です。 この研究で提案された最適化問題は、医療指令担当者が救急車を急性症状の患者に割り当て、その後患者を救急部門に割り当て、患者の症状を効率的に治療できるように支援する意思決定支援システムを改善することを目的としています。 提案された問題では、非紹介病院と紹介病院の間での患者の再紹介も可能になります。 さらに、この論文では、提案されている問題を現在の派遣意思決定プロセスに組み込む枠組みも提案します。

この文書の目的は、救急車と患者および患者と病院の割り当てを最適化する際に、単一の基準 (主に時間) だけを考慮するだけでなく、特定の部隊が提供する専門性に関連する他の基準も考慮することの重要性を示すことです。特定の緊急の病状を治療すること。 また、最適化プロセスにおいて希望/予約の観点から表現される基準に基づいて患者の医学的要件を考慮することの重要性を示すことも目的としています。 この論文では、リソースの割り当ての最適化に専門基準を組み込むことが技術的に可能であり、医学的にも望ましいと概説しています。 私たちの研究の成果は、現在使用されている通話分類ソフトウェア (例: Medical Priority Dispatch System - MPDS) および既存の患者搬送プロトコルと組み合わせて使用​​できます。 これらは、提案された最適化問題への入力として使用でき、時間と専門基準の両方の観点から、適切なユニットを割り当てる能力を強化します。

この目標を達成するために、EMS 割り当ての決定を最適化するための 2 つの多基準混合整数線形計画法 (MILP) 最適化問題を提案します。 提案された最初の問題は、救急車の到着までの時間と提供される専門分野に関する患者の要件に基づいて、パレート最適な救急車から患者への派遣をもたらします。 これらの要件は、臨床状態に応じて患者ごとに設定されます。 提案された 2 番目の問題は、臨床状態に基づいて推定される到着までの時間と ED の専門性に関するすべての患者の要件も考慮した、パレート最適な患者と病院の割り当てを生成します。

病気や怪我の急性期に起因する罹患率と死亡率を減らすには、救急車の対応手順が迅速に確保され、患者のニーズと現在の対応能力に応じて患者を適切な病院に搬送することが不可欠です。救急医療サービスのこと。 これを行うには、患者の健康状態と、適切な医療応急処置を提供するために必要な最大待ち時間を推定する必要があります13。 世界の主な死因には心血管疾患が含まれます。 研究によると、毎年400万人以上のヨーロッパ人がその理由で亡くなっています。 2016年から2017年にポーランドのカトヴィツェで実施された調査によると、救急医療サービスによる介入の最も一般的な原因は非外傷性の内部緊急事態であり、そのほとんどには高血圧、心房細動、心筋梗塞、肺水腫、房室ブロック、脳卒中が含まれていました。 、慢性閉塞性肺疾患（COPD）、および気管支喘息の診断14。 さらに、最も一般的な医学的緊急事態には、低酸素症、心タンポナーデ、中毒、イオン障害、およびショックによって引き起こされる可能性のある突然の心停止が含まれます。 腹痛、顎に広がる腕の痛み、異常な頭痛、重度の出血、混乱などの症状は依然として懸念すべきものです15。

前述したように、救急医療サービスが介入する最も一般的な理由は、不整脈と心血管疾患です。 生命に対する直接の脅威には、急性冠症候群、肺塞栓症、腹部大動脈瘤などが含まれ、治療しなければ短期間で死に至る可能性があります。 心血管疾患は引き続き世界の主な死因であり、その 50% は虚血性心疾患によって引き起こされています16。 2017 年の健康指標評価研究所のデータによると、ポーランドでは 160 万人が虚血性心疾患を発症しました。 一方、国民健康基金が公開したデータによると、2021年にポーランドで8万5,000件を超える急性冠症候群が記録された。6万7,000件近くの心筋梗塞を伴う急性冠症候群の症例も報告されている17。

急性冠症候群（ACS）は主に、心筋の酸素需要とその供給の間の不均衡によって引き起こされます。 酸素制限の原因は、ほとんどの場合、冠動脈内のアテローム性動脈硬化プラークの存在ですが、不整脈や出血性ショック後の合併症が存在することもあります。 ACSには、ST上昇型心筋梗塞（STEMI）、非ST上昇型心筋梗塞（NSTEMI）および不安定狭心症が含まれます18。 患者が救急外来を訪れる主な症状は突然の痛みや胸の圧迫感で、通常は胸骨後部に局在し、肩、顎の角度、肘に放射線が照射されます19。 診断は、受け取った心電図 (ECG) の記録に基づいて行われます。この心電図は、医療システムとの最初の連絡から 10 分以内に、および臨床症状に基づいて実行される必要があります。 現在、救急車には心電図記録装置が搭載されており、迅速な診断が可能となっています。 ST セグメントの上昇がある場合、STEMI と診断されます。 非 ST セグメントの上昇がある場合は、トロポニンのレベルを測定する必要があります。トロポニンのレベルの上昇は、心筋梗塞を示している可能性があります。 ST セグメントの上昇が認められると、患者には最新の欧州ガイドラインに従って迅速な再灌流療法または経皮的冠動脈インターベンション (PCI) が必要になります 20。 心筋梗塞と診断された患者は、救急医療サービスによってできるだけ早く PCI 対応施設に搬送される必要があります。 初回 PCI が不可能な患者の場合、線溶療法は 10 分以内に開始する必要があります。 現在の勧告では、患者は最寄りの病院ではなく、24時間体制で勤務する最寄りの血行動態センターに搬送されるべきであるとされている。 ST 部分上昇 MI (STEMI) の患者が ICU 以外の病院に到着した場合、直ちに侵襲的心臓病棟に搬送する必要があります21。 PCI が実施できる病院を訪れた患者は、線溶療法が失敗した場合、60 ～ 90 分以内に治療を受ける必要があります。ただし、ポーランドの心臓学会によれば、STEMI 診断から PCI 中の再灌流までの最大遅延は 120 分です。線溶療法の代わりに主要な PCI 戦略が選択されます。 即時 PCI が不可能な場合は、侵襲的治療を伴う薬物療法を考慮する必要があり、冠動脈造影は 24 時間 22 以内に行われます。

上記とは別に、ED に到着する患者のほぼ 5% は神経症状を伴う患者です。 サンボムら。 彼らの研究では、神経学的緊急事態の中で脳卒中症状、てんかん発作、てんかん重積状態を有する患者が圧倒的に多いことが明らかになった。 脳卒中のうち、症例の 80 ～ 90% は塞栓症または脳血管外の病変による虚血性脳卒中患者であり、誤診は死亡率の増加と関連しています 23。 虚血性脳卒中は、世界中で成人の死亡および長期障害の原因として 2 番目に多いものであり、この病気の発生率は年齢とともに増加します。 線維素溶解療法は脳卒中患者にとって効果的な治療法であり、組織型プラスミノーゲン活性化因子の静脈内療法の治療期間は、最初の症状の発現から 3 ～ 4.5 時間です。 しかし、指定された時間枠内で血栓溶解療法を受けられる病棟患者はわずか約 25% です 24,25。 急性中枢神経系損傷の症状のある患者の診断と治療の実施は、計画された治療の有効性を決定しますが、多くの場合、患者が到着する中間病院には脳卒中治療科がなかったり、診断や治療能力がなかったりするため、血栓溶解のタイミングが遅れます。 。 治療期間を遅らせないために、救急チームは脳卒中病棟のスタッフに院内での遅延の発生を減らすよう通知する必要がある一方、脳卒中患者の治療における経験が浅く設備の整っていない神経画像診断センターは、参考情報を参照して遠隔診療を使用する必要があります。センター26。 その結果、適切な病院のみが脳卒中患者の治療を提供できるようになります。

急性虚血性脳卒中を治療するための組換え組織型プラスミノーゲン活性化因子（rtPA、アルテプラーゼ）による静脈内血栓溶解療法の導入には、脳卒中治療の組織における革命が必要でした。 「時間は頭脳である」という認識により、「顔、腕、スピーチ、時間」（FAST）テスト 27 や指定センターへの病院前の迅速なトリアージなど、効果的な公衆および病院前での啓発キャンペーンが推進されました。

脳卒中治療の組織は地域の地理に依存しますが、専用の急性脳卒中経路の実施は大きく異なります。 総合脳卒中センターは、急性期脳卒中治療のあらゆる側面を提供します。 血管内血栓除去術の対象となる患者をトリアージして包括的脳卒中センター (「マザーシップ」モデル) に直接送ると、たとえ他の病院が近くにあったとしても、良好な転帰が得られる可能性が高まる可能性があります。 通常、一次脳卒中センターは、静脈内血栓溶解療法を開始し、血管内血栓除去術の対象となる患者を包括的な脳卒中センター、いわゆる「ドリップ・アンド・シップ」モデルに転送する小規模なセンターです28。 脳卒中サービスモデルの重要な側面は、患者が専門知識、神経画像診断、および脳卒中ユニットケアを遅滞なく利用できることです29。

生命を脅かす状態にある患者の治療と専用センターへの搬送については、世界中で受け入れられたガイドラインと専用プロトコルが存在します。 欧州蘇生評議会の 2021 年ガイドラインでは、心停止に陥った患者は、地域のガイドラインに基づいて、心停止の可逆的原因の治療のため専用センターに搬送されるべきであると示されています30。 その後、多くの場所向けに地域のガイドラインが作成されます。 たとえば、米国では州全体のローカル トランスポート プロトコルが開発されています。 これらは、たとえば、Alabama31 および Delaware32 に存在します。 このセクションでは、それらについて簡単に説明します。

デラウェア州では、ST上昇型心筋梗塞と診断された患者に対するガイドラインは、薬物療法を併用した経皮的冠動脈インターベンションPCIを実施できる施設に患者をできるだけ早く搬送するという同じ適応に基づいている。 小児患者の場合、ガイドラインは効果的な胸骨圧迫の後に小児患者を現場からECMOを備えた施設にできるだけ早く搬送するという概念を指摘している。 同様に、アラバマ州も、STEMIを伴う急性冠症候群および心筋梗塞患者のプライマリケア病院を、アクセス可能なカテーテル検査（PCI）検査室を備えた病院に迂回するプロトコルを採用した。

ここで脳卒中患者に対するガイドラインを考えてみましょう。 デラウェア州は、脳卒中患者をデラウェア州認定の最寄りの専門脳卒中センターに直ちに搬送することを推奨しています。 この目的を達成するために、脳卒中症状なしで最後に受診した時間が4.5時間未満であるVAN（視覚、失語症、無視）陰性およびLKW（最後によくわかっている）患者に対して基準が採用され、最寄りの専門脳卒中センターに入院する必要がある。考慮されます。 VAN 陽性および 4.5 時間を超える LKW 患者の場合は、認定された血栓除去センターへの患者の直接搬送を検討する必要があります。 同様に、アラバマ州の脳卒中患者にも同じ手順が採用されています。

心臓や脳卒中の場合とは別に、外傷や火傷の患者に対しても、地元の施設を迂回するためのガイドラインが存在します。 グラスゴー昏睡スコア < 13、低収縮期血圧および呼吸数 < 13 と評価された患者は、まず高度に専門化されたセンターに搬送される必要があります。 デラウェア州では、明らかな怪我の場合には、患者を最高レベルの外傷センターに搬送することも推奨されています。 明らかな損傷の詳細なリストは参考文献 32 にあります。 外傷処理に関する同様のガイドラインは、アラバマ議定書にも記載されています。 ただし、このプロトコールでは、気道の喪失、血管アクセスのない血行力学的不安定、および制御不能な外部出血が発生した場合には、患者を最も近い救急外来に転向させることが求められています。

熱傷の場合、患者は熱傷面積の割合と呼吸器熱傷の有無に基づいて、最寄りのセンターを迂回して熱傷センターに搬送される必要があります。 特定の患者を熱傷センターに搬送するかどうかの評価は、プロトコールにも記載されている 9 の法則を使用して行うことができます。

死に至る可能性のある緊急事態は数多くあります。 したがって、患者を病院に搬送する際には、病院前の設定で措置を講じることが重要です。 急性症状の多くには治療期間、つまり最初の懸念される症状が現れた時点から治療を実施するまでの最大時間があります。 重篤な状態にある場合、専門病棟での適切な治療が遅れても、事実上生存は保証されません。 専門の設備や人材がいない病院に患者が搬送された場合、患者を専門のセンターに搬送するコストを犠牲にして、治療の提供時間を遅らせます。

救急医療サービスの組織、運営、予測は広範な研究テーマです。 コンピュータベースのシステムは、救急車の呼び出しへの割り当て、救急車への救急車の割り当て、救急車の経路指定、医療文書の取り扱いや患者の降ろし手順など、EMS システム全体の運用をサポートする適切でタイムリーな決定を下すのに役立つ可能性があります。特定の緊急事態に対処するために必要なスタッフへの通知33,34。

この分野では、この目的でのオペレーショナル リサーチ (OR) 手法の使用に焦点を当てたかなりの数の研究成果が発表されています。 参考文献 35 の著者らは、研究者が救急車組織の次の問題、すなわち救急車の位置とさらなる移転、救急車の配車と経路指定、EMS と一般的な医療システムの相互作用、および通報と空席状況の予測に OR を適用することに焦点を当てていることを明らかにした。乗組員のスケジュール調整。 彼らはまた、重要な研究分野がシミュレーション/検証ツールの開発であることにも言及しています。 これらの観察は、スタッフの雇用と艦隊運用の最適化の必要性を強調した別のレビュー論文 2 の著者や、EMS 物流の問題をレビューした参考文献 1 の著者によって裏付けられています。

救急医療システム計画における OR モデルの興味深い使用法が参考文献 36、37、38、39 に示されており、公平性の尺度についても調査されているものもあります 40。 予測 41 や救急病院または病院に入院した患者の管理の分野でも、多くの重要な論文が発表されています 42,43,44。 ただし、これらはこの文書の範囲に直接リンクされていないため、興味のある読者への参考としてのみ提供されています。

声明の観点から、この文書は救急車の配車/割り当て/経路指定の問題に基づいています。 これらの問題は研究において重要な関心を集めています。 Jangtenberg は共著者とともに、オランダの実践に適用された救急車の派遣について研究しました 6,45。 彼らは、最も近いアイドル状態を上回る新しい配車戦略を提案しただけでなく、オフラインで最適な救急車の配車のためのベンチマーク モデルをさらに提案しました。 株式コールの優先順位付けを考慮した EMS 派遣は参考文献 46、47 で研究されています。 救急車の同時最適配置にも焦点を当てました。 救急車の出動と位置の同時最適化の概念は参考文献 48 にも適用されました。 著者らは、ポルトガルの EMS データの例について、より高度な発送戦略を備えた OR ツールを使用すると、最も近いアイドル基準の下で手作業でこれを行うよりも良い結果が得られることを示しました。 再配置の最適化と派遣政策は、Siong Lim ら 49 によっても研究され、派遣政策の観点から動的救急車再配置モデルが検討されました。 彼らの論文では、さまざまな EMS 発送ポリシーの比較も示されています。 しかしながら、Boutilier et al.50 は、バングラデシュのダッカ市における救急車の位置とルートの最適化を組み合わせることを提案しました。

派遣の最適化における興味深い概念は、救急車のさまざまなタイプ（専門性）を考慮した統合です51、52、53。つまり、症例の重症度に基づいて緊急通報に割り当てられる（ALS）-Advance Life Supportと（BLS）-Basic Life Supportです。 Knight ら 54 は生存確率関数を用いて重症度を評価し、その期待値を最大化するために EMS システムを運用しています。 Stout et al.55 が示しているように、全 ALS EMS システムを運用することで、通話のトリアージやどのような種類のユニットが応答すべきかを定義する複雑さを軽減することが可能です。 さらに、そのようなシステムでは、現場で二次トリアージを行う必要がありません（たとえば、サポートのために別の種類の救急車を呼ぶなど）。 ただし、これには、到着までの時間の延長や特定の救急救命士のスキルの低下の可能性という代償が伴います。 Stout et al. によると、ALS スキルが必要とされる通話はわずか 10% であるため、後者は特に重要です。

救急車の派遣における最新技術について説明するときは、一般的な緊急医療派遣ソフトウェア、特に医療優先派遣システム (MPDS) について言及する必要があります。 これは、緊急医療コールを苦情の数値ベースのカテゴリに分類し、所定の処理優先順位を割り当てることを目的としたソフトウェア システムです。 システムはディスパッチャーに詳細な質問を提供し、それが発信者に尋ねられます。 彼らの回答に基づいて、システムは通話を分類し、処理の優先順位を割り当てます。 その後、対応者が対応すべきケースの詳細を知るのに役立つように、通話にサブグループと修飾子を割り当てることができます。 カテゴリ、優先度、サブグループ、および修飾子は一緒になって、いわゆる MPDS 決定要因を形成します56。 MPDS は、通話のトリアージと分類のために世界中で広く使用されており、欧州でも使用されています57。 MPDS システムの使用は、ALS を必要とする患者に適切なユニットを送信する際に感度は高いものの、特異性は中程度から低いことが証明されています58,59。 この問題にもかかわらず、Dong らは、 中国で最適化されたバージョンの MPDS を使用すると、急性冠症候群の診断の一貫性が向上し、電話による患者到着時間が短縮されたことが示されました 60。

しかし、このツールの古典的なバージョンは通話を分類することに止まり、応答するのに最適なユニットを (正確なコールサインの観点から) 指定するわけではありません 61。 最適化手法は可能な限り最善の決定を特定することを目的としているため、MPDS と組み合わせることは良い考えかもしれません。 まず MPDS を使用して通報を分類し、次に数学的最適化によって通報に応答する最適な正確な救急車を見つけることができます。 同様のアプローチが参考文献 47 で提案されており、著者らは受信した緊急通報のさまざまな優先レベルを考慮して、複数の基準で救急車の割り当て (派遣) の最適化を実行しています。 MPDS を使用して優先順位が割り当てられるとは述べられていませんが、MPDS がこのタスクを実行するのに適した候補である可能性があることは容易に推測できます。

救急隊員が患者の状態の安定化を完了したら、適切な救急部門を特定する必要があります。 これらの問題は、主に救急車の経路指定や割り当ての問題として文献でも研究されています。 Talarico ら 62 は、さまざまなレベルの救急車を搬送する救急車の経路を調査しましたが、患者に提供できる専門分野に基づいて救急車を区別していません。 これは、Ref.63 の加重和スカラー化による追加基準として組み込まれています。 救急車の過密状態の可能性を考慮した救急車の配置最適化における救急車の能力も、Acuna et al.64 によって取り上げられた。 著者らは、最適化問題の制約を通じて特殊性を検討しました。 ED への緊急症例の割り当ての分野における重要な貢献は Leo ら 65 によって与えられており、著者らはユニットの専門性 (追加の基準として、加重合計スカラー化) と ED の作業負荷管理を組み合わせています。

医療の観点から、多くの患者搬送プロトコルが開発されています。 これらの文書は、対応チームに特定の患者を搬送する場所に関するガイドラインを提供します。 それらの例のいくつかは、アラバマ州 31 とデラウェア州 32 について示されています。 これらは、特定の臨床基準に基づいて、特定の患者をどこにどのように搬送するかに関する情報を提供します。 たとえば、アラバマ州では、救急隊員が STEMI 患者をカテーテル検査室のある病院に搬送することを検討することが推奨されています。 ただし、救急隊員が適切な搬送先病院を確信していない場合は、オンライン メディカル ディレクター (OLMD) に連絡してサポートを求める必要があります。 同様に、デラウェア州では、そのような患者は、可能であれば最寄りの病院を迂回して、PCI 対応施設に搬送される必要があります。 もう少し厳密なものは、ポーランドの 16 の県ごとに確立されたポーランド救急医療システム計画です。 一例として、シヴィエトクシスキエ県では、特定の緊急医療処置を実施できる病院の正確な住所が挙げられています。 この計画では、特定の患者 X に最適なユニットの選択は、医療指令員と医療チーム長の共同裁量に委ねられています66。

残念ながら、すべての条件でそのようなプロトコルが存在するわけではなく、どこでも確立されているわけではありません。 参考文献67の著者らは、米国の州の78%が外傷に対するEMSトリアージと搬送先計画を実施しており、熱傷、脳卒中、STEMIに対しては約33%、心停止に対してはわずか10%であると概説した。 これは、大血管閉塞（LVO）によって引き起こされる脳卒中患者のための特定の輸送プロトコルを備えている州を 16 州のみと特定した、参考文献 68 の著者らのさらなる発見と一致しています。 さらに、たとえプロトコルが適切に採用され、専用の全国的な患者ケアネットワークが確立されたとしても、患者の誤った指導が発生する可能性もあります。 これは STEMI 患者について言及したヨーロッパ諸国で報告されており、死亡率を下げるには PCI 対応病院での迅速な介入が不可欠です 69,70。 さらに、プロトコル自体が、いつ最寄りの救急外来を迂回し、患者を参照病棟に直接搬送するかについてのガイドラインを提供します。 その意味で、彼らは、特定の ED (正確な住所という点で) を特定の正確な患者 X に割り当てません。また、EMS システムの現在の運用状態 (病院の現在の利用可能状況など) も考慮しません。ベッド。 そのため、これらのプロトコルは、緊急時に特定の患者に非常に正確な病院を割り当てる最適化手順への入力として考慮される必要があります。

私たちの文献レビューでは、現在使用されている興味深いディスパッチ システム (MPDS) および EMS 輸送プロトコルがいくつか存在することが概説されました。 ただし、ディスパッチ システムは、通話のトリアージを実行し、通話に所定の優先順位を割り当てることに主に重点を置いています。 彼らは、手術室コミュニティによって理解されているような派遣を実行しません。つまり、特定の緊急事態に応答するのにどのユニット（コールサインによって識別される）が最適であるかについての正確な情報を提供しません。 EMS 搬送プロトコルに関しては、救急隊員がどのような種類の緊急事態で患者を専門の救急病院に搬送することを考慮すべきかについてのガイドラインが示されています。 プロトコルは、完全な EMS システムの現在の動作状態を考慮して、特定の患者 X が病院 Y に搬送されるべきであることを正確に示していません。 これらのシステムとプロトコルは、最適化手法とうまく統合できます。 これらは、電話の優先順位を推定したり、搬送先の病院が特定の病状に苦しむ患者にどの専門分野を提供すべきかについての基準を設定したりすることで、入力ガイドラインとして機能します。 次に、この医療情報を活用して、オペレーショナルリサーチ (OR) 技術を適用して、緊急事態に対応するために現時点で最適な部隊 (救急車または救急車) を決定し、割り当てることができます。 私たちの論文は、パレート最適化の方法で正確な単位を正確な患者に割り当てることを可能にする OR 手法を組み合わせることによって、このギャップを埋めることを目的としています。 これは、患者の臨床状態とEMSシステムの現在の動作状態を考慮して行われます。

EMS 組織における OR は広範な研究のテーマであるという事実にもかかわらず、大部分の論文は主に救急車から患者、および患者から病院への派遣における時間基準を考慮しています。 ただし、救急車や救急救命士の専門レベルも含む注目すべき研究成果がいくつか存在します。 私たちが発見したことから、これは重み付き合計スカラリゼーションの制約または基準として最適化問題にほとんど含まれています。 制約という形で専門性を含めると、実行可能な問題セットが大幅に制限され、場合によっては派遣が不可能になる可能性があると私たちは考えています。 しかし、重み付け合計のスカラー化に関しては、基準に適切な重みを割り当てることは、特に手術室の専門家ではない医療派遣担当者にとっては簡単な作業ではないかもしれないと考えています。 したがって、このスカラー化は適用が最も簡単ではない可能性があります。 さらに、私たちの知る限り、より専門性の低い病棟とより高いレベルの病棟の間での患者の再紹介の可能性を考慮した論文は確認されていません。 その意味で、私たちの論文は、特定されたギャップを埋めるとともに、一般的な関心のあるサービスへの応用に適していると考えられる基準点法のスカラー化を適用することを目的としています。

急性症状の患者の救急治療の必要性の評価は、救急医療サービスの派遣段階によって異なります。 まず、患者の状態は、発信者が観察した症状とディスパッチャーが行うさらなる医療面接に基づいて、医療ディスパッチャーによって評価されます。 この活動は通常、MPDS を使用することで容易になります。MPDS は、発信者からの苦情に応じて構造化されたアンケートをディスパッチャに提供します。 収集された情報に基づいて、指令員は患者の状態の推定に基づいて救急車を派遣します。 その後、救急医療サービス (EMS) 隊員が現場に派遣されます。 到着すると、医師は診断をさらに深め、患者の状態を専門的に評価することができます。 したがって、派遣担当者の患者の状態の理解は派遣プロセスの段階に応じて異なります。

患者の状態に関する情報の変化する性質を念頭に置いて、患者への EMS ユニットと救急部門 (ED) への患者の両方を割り当てるという全体的な派遣の問題を 2 つの異なる多基準最適化問題に分割することを提案します。

EMS 派遣問題 (P1) - 通報者が伝えた最初の患者の状態を考慮して、適切な救急車 (EMS) を患者に割り当てる問題。

ED 派遣問題 (P2) - より実際の患者の状態を考慮して、適切な救急科に患者を割り当てる問題。

この研究では、急性の心臓疾患に焦点を当てます。 したがって、この論文の残りの部分では、レベルの専門分野に言及する場合は常に、特に心臓病学の専門分野を意味します。 しかし、このアプローチと以下の定式化は、他の可能な緊急医療や他の症状の治療の専門分野に言及するときはいつでも、直接使用できるほど一般的です。

提案されたアプローチでは、EMS と ED の両方の専門性を特に考慮します。 モデル化の目的で、専門性のレベルが実数で与えられると仮定します。

ここで、 \(s=0\) は循環器科の専門分野がまったく提供されていないことを意味し、 \(s=1\) はその地域で最高の循環器科を意味します。 EMS の派遣を例にとると、これら 2 つの極端な値は、たとえばタクシー (\(s = 0\)) と移動集中治療室 (\(s = 1\)) を意味する可能性があります 71。 同様に、ED の派遣問題では \(s = 0\) は一般診療の看護師室と \(s = 1\) の超専門心臓病病院を意味する可能性があります。 ポーランドの法律（救急車 P、S、HEMS など）のような個別の選択肢のセットではなく、専門性のレベルを (1) で指定された区間の実数としてモデル化することを意図的に決定していることは言及する価値があります。 これは、例えば救急車に搭載された機器の違いや、心臓病の治療における乗務員の経験の違いなどを考慮して、専門分野の多様性をより適切にモデル化するためです。

このセクションでは、派遣部隊の専門性と到着までの時間の両方を考慮して、救急車を患者に割り当てるための多基準混合整数線形計画 (MILP) 最適化モデルを提案します。 EMS 発送問題のモデルは (2) ～ (6) で与えられます。

の対象となる

どこ

\(s_p^1\) - EMS 派遣を通じて患者 p が受け取った専門知識。

\(t_p^1\) - 出動した救急車が患者 p に到着するまでにかかる時間。

\(s_a\) - 救急車の専門レベル a、\(s_a \in [0,1]\)

\(t_p^a\) - 救急車 a が患者 p に到着するのに必要な時間。

\(\mathcal {A}\) - 利用可能な救急車のセット。

\(\mathcal {P}\) - サポートを必要とする患者のセット。

\(y_p^a\) - 救急車 a の患者 p への割り当てを記述するバイナリ変数。

設計上の問題は、緊急通報を受けた後、利用可能な救急車を患者に割り当てる際の指令員の決定を容易にすることです。 したがって、患者は事前にわかっており、通報の数は利用可能な救急車の数よりも少ないと仮定します。 利用可能な救急車がないときに新しい緊急通報が発生した場合は、一部の救急車がアイドル状態になってから後で処理する必要があります。 ただし、参考文献 47 で提案されているように、キュー理論の制約を含めることによって意思決定モデルを拡張することは可能です。 私たちの目標は、標準的な単一基準戦略とは対照的に、複数基準戦略の重要性とパフォーマンスを概説することであるため、これはこの作業では意図的に省略されています。 さらに、この論文では、最適化プロセスにおいて患者の医学的要件を考慮することの重要性を示すことを目的としています。

このセクションでは、(7) ～ (20) で ED ディスパッチング問題の多基準 MILP 定式化を示します。 この問題は、医療面接を通じて行われた最初の評価が現場の救急隊員によって調整または確認された後、EMS 問題を解決した後、第 2 ステップで解決されることになります。 ED 派遣では、救急車 (患者を乗せた) を救急部門に派遣するかどうかを決定できます。 この問題により、患者を専門性の低い科からより専門的な科に再紹介する可能性が生じます。 この定式化では、患者を最初に非紹介病院に入院させ、次に紹介病院に入院させると、患者が受ける専門レベルが向上する可能性があるという事実が考慮されています。 これは、非参照ユニットで患者に何らかの事前治療が施される可能性があるという事実によるものです。 前処理が全体の処理に関与する係数は、任意のパラメータ \(\eta _1\) によって与えられます。

の対象となる

どこ

\(s_p^2\) - ED の派遣を通じて患者 p が受け取った専門分野。

\(t_p^2\) - 患者 p が最終的な ED 目的地に到着するまでにかかる時間。

\(s_{h1/h2}\)—ED \(h1 \in \mathcal {H}_{not}\) または \(h2 \in \mathcal {H}_{ref}\) によって提供される専門知識。

\(\mathcal {H}_{ref}\)、\(\mathcal {H}_{not}\) — 利用可能な救急科のセット (それぞれ参照および非参照)。

\(\eta _1\) - 最初の救急科で患者が治療される際の係数、\(\eta _1 \in [0;1]\)。

\(t_p^{h1/h2}\) - 患者 p を救急病院 \(h1 \in \mathcal {H}_{not}\) または \(h2 \in \mathcal {H}_{ まで搬送するのに必要な時間参照}\)。

\(g_{h1,p}^{h2}\)—患者 p を非参照 ED \(h1 \in \mathcal {H}_{not}\) から参照 ED \(h2 \in \mathcal {H}_{ref}\)。

\(\overline{H_{h1/h2}}\) — 緊急 ED の利用可能な最大容量 \(h1 \in \mathcal {H}_{not}\) または \(h2 \in \mathcal {H}_ {ref}\) はディスパッチ時に発生します。

\(y_p^{h1}\) - 患者 p を搬送する救急車への非参照病院 \(h1 \in \mathcal {H}_{not}\) の割り当てを記述するバイナリ変数。

\(b_p^{h2}\) - 患者 p を搬送する救急車、参照病院への直接搬送への参照病院 \(h2 \in \mathcal {H}_{ref}\) の割り当てを記述するバイナリ変数。

\(u_{h1,p}^{h2}\) - 患者 p の ED \(h1 \in \mathcal {H}_{not}\) から ED \(h2 \in \) への再紹介を記述するバイナリ変数数学{H}_{ref}\)。

\(w_p^{h1}\) —二項積の線形化変数: \(y_p^{h1} \ (1- \sum _{h2 \in \mathcal {H}_{\text {ref}}} u_{ p,h1}^{h2})\)。

患者 p に提供される専門分野と治療時間の導出は、制約 (8) および (12) で与えられます。 制約 (9) ～ (11) は、 \(w_p^{h1} = y_p^{h1} \ (1- \sum _{h2 \in \mathcal {H}_{\text {ref) の 2 進積の線形化を保証します。 }}} u_{p,h1}^{h2})\)。これは、p が\(h_2 \in {H}_{ref}\) は再参照されません。 再紹介が発生した場合、提供される専門分野の計算値は \(\eta _1 s_{h_1} + s_{h_2}, \ h_1 \in {H}_{not}, h_2 \in {H}_{ref と等しくなります}\)。 制約 (13) および (14) は、ED の電流容量が違反されないことを保証します。 制約 (15) は、p が最初である場合、p を \(h_1 \in {H}_{not}\) から \(h_2 \in {H}_{ref}\) にのみ再参照できることを保証します。 \(h_1\) に直接転送されます。 定式化 (16) は、p が \(h_1 \in {H}_{not}\) または \(h_2 \in {H}_{ref}\) のいずれかの病院に直接連れて行かれなければならないことを保証し、(17) p は最大 1 つの \(h_2 \in {H}_{ref}\) まで再参照できますが、これは必須ではありません。

「EMS 発送の問題 (P1)」および「ED 発送の問題 (P2)」セクションで説明した最適化モデルを、完全に再編成するのではなく、発送担当者の標準的な意思決定プロセスに埋め込むことができます。 どちらの最適化問題も複数の基準があるため、それらを解決するには、まずすべての基準に対する意思決定者 (DM) の好みを推定する必要があります 72。 提案されたアプローチでは、基準は各患者の病状に関連付けられており、ディスパッチャーが DM の役割を果たします。 上記を念頭に置き、すべての基準に対する保留と希望を推定することで優先順位を決定することを提案します。 数学的には、基準 \(f_i\) に対する願望は、DM が \(f_i\) に取りたい値であり、予約は、基準 \(f_i\) にとってまだ許容できる値ですが、最良ではない値です。 これについては、「スカラリゼーション」セクションで詳しく説明します。 このようにして、理解が難しく説明が難しい重みを介してではなく、患者の状態の直接的な機能として好みを反映することが可能になります。 重み付けの割り当ては、一部の患者に不利益をもたらす可能性があり、その意味で、緊急医療システムが欧州連合によって一般利益のサービスとして考慮されているという事実と矛盾します73。

統合の概略フレームワークを図 1 に示します。この論文で提案されている追加は緑色の長方形で示されています。 標準プロセス要素は、イベントの開始と終了を青い四角形とオレンジ色の楕円で示します。

意思決定問題の出発点は、指令員による緊急通報の受信です。 MPDSがサポートする問診を活用することを提案します。 いくつかの調整を行った後、MPDS (または同様のシステム) を利用して、発信者によって示された症状に基づいて EMS 派遣の問題の希望/予約を計算することができます。 それらが判明すると、最適化が行われ、最適な救急隊員が派遣されます。

その後、救急隊が到着し、追加の診断を行った後、救急チームは、現在州緊急医療システム用の州指揮支援システム (SWD PRM74) の一部となっているポータブル タブレット/コンピューターを使用することを提案します。 このプロセスでは、既存の患者搬送プロトコルを SWD PRM システムに組み込んで、乗組員が実行する診断に基づいて吸引と予約を計算できます。 計算された吸引値と予約値を考慮して、患者の状態に最適な救急部門を特定するために、指令センターで最適化が行われます。 患者が救急外来に到着すると、プロセスは停止します。

現在の意思決定プロセスにおける提案された埋め込みフレームワーク。

ここで、提案された決定プロセスが実際の EMS/ED 発送でどのように機能するかを示す例を示しましょう。 この例では、提案されたソリューションの意思決定プロセスをよりわかりやすく示すために、非常に単純化された方法で希望/予約を計算していることに注意してください。 実際の状況では、ディスパッチャーはおそらく MPDS の推奨に従って、より多くの詳細な質問をする必要があります。 これにより、値を計算する方法がより詳細になります。 このセクションの目的は、提案されたソリューションが実際に実行できるという感覚を読者に与えることだけなので、例は非常にシンプルでわかりやすいものになっています。 次の状況を考えてみましょう。

医療指令員が緊急通報を受けます。 電話をかけてきた人は、問診の過程で次のような患者の症状を伝えます：左腕に広がる急性の胸痛、意識、呼吸。 症状は急性心筋梗塞にとって重大である可能性があるため、この電話は緊急であり、専門的な EMS ケアが必要なものとして扱われます。 したがって、対話型アンケート (または修正 MPDS) では、EMS が現場に到着するまでの吸引時間 (\(a_{t_{EMS}}\)) を 7 分と推定します。 現場への EMS 到着の予約 (\(r_{t_{EMS}}\)) を 14 分までにします。 専門センターへの ECG の遠隔送信が必要になる可能性があるため、EMS 専門分野への願望 (\(a_{s_{EMS}}\)) は 0.9、予約 (\(r_{s_{EMS}}\)) は 0.9 と推定されます。 0.7。 したがって、この特定の患者の場合、14 分未満、理想的には 7 分以内に到着し、0.7 より大きい、理想的には 0.9 の専門性を提供する救急車が必要です。

EMS は、パート 1 で説明されている設定に従って発送されます。 1、10分以内に到着します。 乗組員が現場に到着すると、通報者が示した症状を確認します。 当直の心臓専門医への遠隔送信による ECG が実行され、ST セグメントの重大な変化が明らかになります。 これらに基づいて、ST上昇心筋梗塞の入院前診断が行われた。 STEMI は、高度に専門化された心臓専門医センターで 120 分以内に最適な治療を受ける必要がある状態です。 したがって、救急隊員のポータブル コンピュータを使用して、到着までの時間と ED の専門性に対する次の願望と予約が計算されました: \(a_{t_{ED}}=20, r_{t_{ED}} = 120, a_ {s_{ED}}=0.9、r_{s_{ED}}=0.8\)。 したがって、この患者は専門性が 0.8 より大きく、理想的には 0.9 で 120 分より短い時間、理想的には 20 分以内に ED に到着する必要があります。 時間基準に対する吸引/予約は、到着までの時間/治療までの合計時間を含むように見積もられていることに注意してください。 これらの値は、救急部門の最適な割り当てのために指令センターにフィードバックされます。 確立が完了すると、救急隊員は患者を選択された救急病院に連れて行きます。

上記のポイントは、現実的な例でプロセスをどのように見ることができるかを示しています。 願望と予約の値が計算されると、それらを意思決定モデルとして最適化が行われます。 他の患者の吸引/予約値の計算は、提示されたケースと同様です。 これがどのようにして起こるかについての詳細は、「スカラリゼーション」セクションで説明されています。

また、一部の患者については吸引レベルの値よりも良い最終結果をもたらし、他の患者については結果を悪化させないことによって単位を割り当てることが可能な場合があることにも注意してください。 このようなディスパッチはオプティマイザによって選択されます。

提案された問題はどちらも多基準 MILP 定式化です。 それらを解決するには、問題を適切にスケーラライズする必要があります。 基準は患者の状態に関連付けられているため、得られる結果のパレート最適性が常に保証されなければなりません。 多基準の意思決定は、パレート最適 (効率的/非支配的) ソリューションのリストを生成し、DM にどのソリューションを好むかを決定させることとして理解されることがあります 75。 ただし、ここで説明されている問題の性質は異なります。 与えられたケースでは、私たちは、実現可能でパレート最適化され、専門分野と時間の両方で患者の要件を満たす派遣を可能な限り最短で取得することに関心があります。 結果が迅速に提供される場合にのみ、ツールはディスパッチャーを助けることができます。 したがって、考えられる解決策を多数リストアップし、ディスパッチャに次々と確認を依頼する必要はありません。

「現在の意思決定プロセスへの組み込み」セクションで説明したように、基準に対する DM の好みは、願望 (基準が取るべき望ましい値) と保留 (基準のまだ許容可能な値) として与えられることを提案します。 この論文の残りの部分では、特定の基準 i に対するこれらの値をそれぞれ \(a_i\) および \(r_i\) と呼びます。 それらの直接統合を可能にするスカラリゼーション手法は、参考文献 77 で紹介されている部分達成関数を備えた参照点手法 (RPM) 76 です。

これらの達成関数は、取得した基準値に対する DM の満足度のマッピングとして見ることができます。 達成関数は区分的に線形であり、ドメイン全体にわたって厳密に増加しています。 \(h_i\) を基準 \(f_i\) の部分達成関数の値とする。 負の値であり、 \(f_i\) が \(r_i\) に達するまで非常に急な勾配で増加します。 \(f_i =0\) になると、\(h_i\) も 0 になります。その後、 \(r_i

ここで、 \(\gamma\) と \(\beta\) は、 \(0< \beta< 1 < \gamma\) となるように任意に取られる定数です。 この仮定の下では、部分達成関数は厳密に増加し、凹型になります75。 たとえば、 \(\beta\) は \(10^{-3}\) のオーダーや \(\gamma\) の \(10^3\) のオーダーをとります。

RPM スカラリゼーションの目標は、結果のパレート最適性を保証する非常に小さなコンポーネントを使用して、すべての基準にわたって最小の達成関数を最大化することです。 この研究で適用される RPM の詳細な説明は、以前の論文 78 またはソース参照 (つまり 76、77) に直接記載されています。

「例」セクションで示した例に戻りましょう。 RPM のスカラー化は、主に、時間と専門性の両方を考慮して、すべての患者の最小達成関数を最大化するように設計されています。 言い換えれば、オプティマイザーは、すべての患者について取得した時間と専門基準が間隔 \([r_i,a_i]\) 内に収まるように、実行可能なパレート最適なディスパッチを見つけようとします。 もちろん、これは常に可能であるとは限りませんが、最も不利な患者にとって可能な限り最良の結果が得られるよう努めます。 このような動作は、ディスパッチ プロセスで誰も取り残されないことが保証されるため、一般に関心のあるサービスのディスパッチにおいては望ましいものです。 さらに、スカラリゼーションは、願望の値を超えた後も達成関数が増加し続けるように設計されています。 したがって、可能であれば、結果として生じるディスパッチは、一部の患者にとって要求されたものよりも優れている可能性があります。 これは、一部の患者の改善が他の患者の派遣状況を悪化させない場合にのみ発生します。

提案されたアプローチをシミュレーションでテストします。 それらをより実行可能にするために、2020 年の国家緊急医療サービス情報システム (NEMSIS) 公開研究データ セットから、アメリカの EMS の実際の活動を取得しました79。 このデータ セットでは、通話時のシステムの状況と緊急患者の健康状態に関する広範な情報が提供されます。 これには、通報者が通信指令員に伝えた症状と、現場に到着した救急隊員が行った診断の両方が含まれます。

分析のために、データセットから心臓病を患う 41 人の患者に関するデータを取得しました。 このために、考慮された 41 人のセットから各患者の次の属性の値を取得しました。

主な症状、

プロバイダーの第一印象、

ディスパッチによってEMSに報告された苦情（発信者によって示された症状として理解される）、

心停止が起こった場合にフラグを立てます。

心停止の病因、

まず患者の停止リズムを監視し、

心肺蘇生が止まった理由、

EMS心停止イベントの終了、

年、

怪我の可能性、

収縮期血圧、

SpO2、

呼吸数、

心拍数、

ETCO2、

痛みスケールスコア、

心電図の種類、

応答性のレベル (AVPU)、

ストロークスケールスコア、

グラスゴー昏睡スケール、

心臓リズム (ECG)。

NEMSIS データ セットで使用できる属性の詳細については、NEMSIS データ ディクショナリ 80 を参照してください。

検討した 41 人の患者全員について、検討した両方の問題 (P1 と P2) について、時間と専門分野の両方に対して希望値と予約値を恣意的に割り当てました。 これは、データセットで指定された属性値に基づくケースの専門知識の評価に基づいて行われました。

考慮された最適化問題は、凸プログラムを指定して解くためのパッケージである CVX を使用して Matlab でコーディングされ 81,82、Gurobi を使用して解決されました。

このセクションでは、検討した 2 つの問題 (P1 と P2) に対する願望と留保の値を割り当てる例について説明します。 このために、これらの値を急性症状患者の 2 つのケース (患者 A と患者 B) に割り当てる理論的根拠を示します。リストから選択した属性の値を表 1 に示します。 テキストの長さの制限により、この例ではすべての属性がこれらの患者の希望/予約の値を割り当てる際に直接関連するわけではないため、この文書では意図的に選択した属性のみを示します。 このアクティビティは非常にケース固有であり、状態自体に応じて異なる重要なパラメーターが考慮されることを覚えておく必要があります。 さらに、議論されている患者には心停止が発生していないため、心停止に関する情報はすべて削除されます。 ただし、著者らは、記録されているすべてのパラメータの全体像を知りたい興味のある読者に直接連絡して、それらの値が提供されるように依頼しています。

患者 A と B の両方の問題 (EMS 派遣と ED 派遣) に対する推定吸引値と予約値を表 2 に示します。

両方の患者に見られる主な症状は胸痛であり、外傷とは関係ありません。 さらに、患者 B では、問題が心臓に関連していると派遣担当者によって評価されました。 しかし、患者 A は施設間を移送されていました。 主な症状の性質に加え、訴状の情報を考慮して、P1 の専門性、吸引時間および予約までの時間の値に厳密な値が割り当てられました。 提示されたケーススタディは、同じ患者を対象とした他のベンチマークとは対照的に、多基準法のパフォーマンスの一例にすぎないため、主訴に基づいて希望/予約の値を割り当てました。 これも、研究された患者のすべての重要なデータが NEMSIS データセットで利用できるわけではないという事実により、そのように行われました。 実際の状況では、ディスパッチャーは希望/予約を割り当てる前に、より多くの側面を考慮する必要があります。 検討したすべての技術についてまったく同じ患者を対象としたため、この制限は下された結論には影響しません。

現場の EMS によって評価されたところ、両方の患者は ST 上昇心筋梗塞 (STEMI) を患っていると考えられます。 STEMI の文脈における総虚血時間の重要性は非常に重要です。 総虚血時間の延長は、特定の地域や人口に特有の問題ではなく、程度の差はあれ世界中に存在します。 総虚血時間は、主要な心血管イベント（MACE）の独立した予測因子として強く相関します。 総虚血時間が短い（\(<3\) h）ほど、死亡リスクの低下と関連しています。

虚血時間の延長に伴う死亡率の増加の根本的なメカニズムの 1 つは、梗塞サイズが心筋組織に重大な影響を及ぼし、虚血時間が経過するたびに損傷を与え続けることです。 総虚血時間の延長は、推奨される「ドア・トゥ・バルーン」が達成された場合の STEMI 患者の死亡率の上昇と関連します。 したがって、最適な再灌流（一次 PCI）を行ったとしても、虚血時間が延長すると死亡率が高くなり、心筋の救出が減少する可能性があります。 「ドアからバルーンまで」の時間の短縮は、初回冠動脈形成術後の最終的に望ましい死亡率の低下をもたらす可能性は低いです。

前述のとおり、治療は一次 PCI に基づいています。 ただし、これを実行できるのは、高度に専門化された侵襲性心臓病棟の心臓専門医のみです。 上記の推論を考慮して、P2 の専門分野に対する厳密な吸引/予約値と治療時間の値が割り当てられました。

この文書で提案されたアプローチは、シミュレーションでテストされます。 テスト設定のために、NEMSIS データセットから実際の急性心臓病患者 41 人を採用しました。 このセクションでは、問題 1、つまり EMS 発送問題に適用されたシミュレーション結果を示します。 現在の作業の範囲では待ち行列モデルが考慮されていないため、テスト目的で 45 台の救急車が通報に対応できると想定しました。 各救急車が各患者に到着するまでの時間は一様分布 \(t_p^a \in [6;200]\) 分からランダムに選択され、その専門分野は一様分布 \(s_a \in [0;1] から）からランダムに選択されました。 \)。 願望と予約 \(a_{t_{EMS}}, r_{t_{EMS}}, a_{s_{EMS}}, r_{t_{EMS}}\) は、患者の状態を次のように考慮して、専門知識を使用して評価されました。 NEMSIS データセットに記述されています。

問題 1 を解決することで得られた最適化の結果は、他の 2 つの目標関数の結果と比較されます。つまり、総到着時間の最小化と加重合計集計です。ここでは、2 つの基準が考慮されます。つまり、総到着時間の最小化と最大化です。総合的な専門性を提供します。 それらは (22) と (23) で与えられます。

ここで、 \(v_1\) と \(v_2\) は、加重合計集計用に任意に選択された重みです。

スペースの制限のため、すべてのパラメータと変数の値を引用することはできませんが、得られたディスパッチ結果の概要のみを示します。 興味のある読者は、すべての正確な数値結果について直接著者に問い合わせることを歓迎します。

EMS 発送問題を解決して得られた結果を表 3 に示します。結果を次の指標で分析します。

結果として得られた専門分野と到着までの時間がそれぞれの予約値よりも良かった患者の数、

全患者における、要求された予約とその結果の値 (専門分野および到着までの時間) との間の最大パーセンテージ ギャップ、

予約金額を10％以上満たしていない件数（専門性および到着までの時間）、

すべての患者の合計応答時間。

結果からわかるように、提案されたアプローチが適用された場合にのみ (P1: EMS 発送問題)、最適化による専門性と到着までの時間は、予約と同等かそれよりも優れていることがはるかに多くなります。 ベンチマークアプローチでは予約値が考慮されないため、このような動作は予想されます。 しかし、合計応答時間を分析すると、この指標がベンチマーク戦略よりも提案されたアプローチ ディスパッチの方が大幅に大きいことが容易にわかります。 これは、提案されたアプローチでは、このメトリックが最適化プロセス中に制御されないためです。 希望と予約は、医学的知識に基づいて、特定の臨床状態に対して個別に割り当てられます。 これらの値は臨床状態によって異なります。 救急車の配車最適化において希望・予約を考慮することで、希望に応じた救急車の配置が可能になります。 その結果、開発された問題は、ベンチマークアプローチで行われるように、単にすべての患者を同様に治療するのではなく、患者の状態に基づいて救急車を派遣することに焦点を当てています。 その点で、通報場所からは遠い（それでも許容できる距離内）ものの、より優れた専門性を提供する救急車が選択される場合もあります。 その意味で、EMS システムの現在の運用状態を考慮すると、割り当て結果はより目的に適しています。

このセクションでは、テスト ケースを最適化することによって得られた、提案された ED ディスパッチング問題 (P2) の数値結果を示します。 このため、P1 のケーススタディとまったく同じ患者のケースを取り上げましたが、今回は \(a_{t_{ED}}, r_{t_{ED}}, a_{s_{ の値を最適化することにより) ED}}、r_{t_{ED}}\)。 これらは、現場の救急隊員によって評価され、NEMSIS データセットで報告された患者の状態を考慮して、専門知識を使用して推定されました。 P1 のケーススタディと同様に、提案された問題を解決することで得られた病院の派遣状況を、他の 2 つの目的関数アプローチと比較します。

ここで、 \(v_{12}\) と \(v_{22}\) は、加重合計集計用に任意に選択された重みです。

提案された ED 派遣問題により、紹介病院と非紹介病院の区別が可能になります。 設計上、この機能は、派遣者が患者を非紹介病棟に直接派遣するか紹介病棟に派遣するか、また最初に患者を非紹介病院に派遣してから再度紹介病棟に紹介するかを決定するのに役立ちます。 もちろん、そのような再紹介は、患者が最終的な ED 目的地に到達するまでの時間が長くなったときに行われます。

再照会に関してさまざまな決定状況 (動作条件) の下で提案された ED ディスパッチング問題の動作をテストするために、次の 3 つのシナリオの下でアプローチをテストします。

シナリオ 1 (S1) - 再紹介と紹介病院への直接搬送の両方が通常の運用条件下で可能ですが、非紹介病院から紹介病院に患者を再紹介するには時間がかかります。

シナリオ 2 (S2) - 紹介病院への患者の直接搬送は不可能です。

シナリオ 3 (S3) - 再紹介と紹介病院への直接搬送の両方が可能ですが、再紹介の時間はほとんど想定されていません。

このテスト ケースでは、検討中の EMS 運用地域に 4 つの病院 (非参照 3 病院 (H1、H2、H3) と参照病院 1 病院 (H4)) が存在すると仮定します。 これらの病院の心血管疾患の治療に関して想定される専門性の値を表 4 に示します。ED の現在の収容能力は、非紹介病院で 20 人の患者、紹介病院で 10 人の患者と想定されます。 ED でのキューイングは、この作業の範囲外とみなされているため、考慮されていません。 すべての時間値、つまり特定の患者の治療までの時間と病院間の再紹介の回数はランダムに選択されました。 スペースの制限のため、論文ではこれらの値を引用しませんが、興味のある読者は著者に連絡することを歓迎します。これらの値は利用可能になります。 すべてのテスト ケースで \(\eta _1=0.2\) を仮定しました。 このパラメータは任意の値で、さらに紹介病棟に転送された患者に対して、非紹介病院の治療能力の何パーセントが追加されるかを示します。 これは、オプティマイザーが病院間の再転送が必要であると判断した場合にのみ考慮され、そうでない場合は専門分野には影響しません。 パラメータの値が 1 に近い場合、再転送された患者が受けられる専門分野の合計は、非参照ユニットと参照ユニットが提供する専門分野の合計に近くなります。 一般に必要以上の専門性を生み出す。 ただし、再転送のための時間と予約時間に間に合わないという多大なコストがかかります。 類推すると、それが 0 に近い場合、受け取った専門分野は紹介施設が提供する専門分野に近く、直接転送が優先されます。 これは、非参照ユニットが治療全体に与える影響はほとんどなく、再転送により時間基準が悪化するためです。 上記のように、再搬送患者数と \(\eta _1\) の値の間に明確な線形関係はありません。 良い実践として、また再転移の臨床現実を反映するために、常に何らかの治療（状態のより良い安定化または診断の深化）が適用されるため、この値を 0.1 ～ 0.3 の間に保つことを提案します。

このセクションでは、シナリオ 1 の下で提案された ED ディスパッチング問題を最適化することによって得られた数値結果を示します。次に、これらの結果は、目標関数 (24) および (25) の最適化と比較されます。 それらを表5に示します。

EMS 発送問題 (P1) と同様に、専門要件 (予約レベルよりも優れていると指摘) は、ベンチマーク アプローチの結果よりも、提案された P2 最適化の結果としてはるかに頻繁に満たされます。 これは、時間要件を満たすケースの数がわずかに少なくなります。 これはより高い専門性によって補われ、P2 問題を解くことで得られる最大ギャップは 36.36% であったのに対し、他のアプローチでは 77.50% でした。

複数基準の加重合計集計 (25) を解くために適用した重みは、互いに対照的に非常に似た結果を生成しました。 これは重みの広範なリストではないため、異なる重みを選択すると異なる結果が生じる可能性があることに注意してください。 しかし、重み付けの割り当ては困難な作業であり、迅速かつ確実に決定を下さなければならない EMS サービスの発送の最適化にはほとんど適用できません。

このセクションでは、紹介病院への直接搬送が不可能なシナリオ 2 に適用されたテストの数値結果を示します。 その意味で、専門的な治療を必要とする患者は、まず非紹介救急科に入院し、その後初めて紹介病棟に再紹介される必要がある。 これは、紹介病院への直接搬送の代わりに適用される再紹介の影響を分析するために開発された特別なシナリオです。 得られた結果を表６に示す。

見てわかるように、参照ユニットへの直接転送を禁止すると、示されたすべてのアプローチの専門結果が悪化しました。 これは主に、再紹介には時間の面でコストがかかることが多く、そのためオプティマイザーは患者の時間要件を満たすために専門性を犠牲にすることを選択するという事実によるものです。

したがって、再紹介が最善の戦略ではないことが多いため、救急車の派遣プロセスにおいて救急車の搬送を開始するまさにその瞬間に救急車を正しく誘導するために、救急車の手配担当者は患者の状態を常に考慮する必要があると結論付けるのが妥当です。 患者を紹介病院に直接搬送することで、EMS サービスのパフォーマンスが大幅に向上する可能性があります。

シナリオ 3 は、再紹介にかかる時間が通常の動作条件 (S1) よりも大幅に短縮されるケースです。つまり、再紹介時間は S1 からの 4 分の 1 です。 このシナリオでのテストの目的は、再紹介に時間の観点から問題がない場合に、提案されたアプローチがディスパッチャにとって興味深いかどうかを確認することです。

結果を表 7 に示します。注目できるように、提案された P2 ED ディスパッチング問題を解決することで、さらに多くの再照会が得られました。 ただし、再参照時間を変更しても、検討した他のアプローチの結果は変わりませんでした。 したがって、P2 アプローチは、依然として実行可能でありながら、検討されているアプローチからの意思決定環境の変化によりよく適応すると結論付けることができます。

あらゆる救急医療サービス システムの主な目的は、急性 (場合によっては生命を脅かす) 状態の患者にタイムリーかつ正確な医療支援を提供することです。 EMS 隊員 (救急車) を患者に、また救急車に乗った患者を病院の救急部門に正しく派遣するのが、救急医療指令員 (救急隊員長と共同) の任務です。 この作業は現在、コールトリアージおよび分類システム（MPDS など）の使用と、患者搬送プロトコルによって容易に行われています。患者の状態は（臨床状態に基づいて）患者によって大きく異なり、したがって治療の専門性も異なります。緊急システムコンポーネント間の特定の種類の病気。 これが、臨床状態に関係なく、派遣プロセスですべての患者を同様に扱うことが望ましい割り当て戦略ではない理由です。 場合によっては、間違った専門レベルの医療援助を提供すると、治療の効果が低下したり、治療が不可能になったりする可能性があります。

この論文では、救急隊員を患者に派遣し、その後患者を救急病院に派遣する両方をサポートするための複数基準の最適化アプローチを提案します。 その意味で、私たちは救急医療派遣担当者が派遣プロセスで使用する意思決定支援ツールを開発します。 このツールの目的は、割り当ての決定に関するパレート最適な推奨事項をディスパッチャーに提供することで、ディスパッチャーの決定を容易にすることです。 提案された問題では、医療サポートを受ける時期とそのサポートの専門レベルの両方に対する患者の要件が考慮されています。 要件は吸引値と予約値によって表現され、患者の健康状態に基づいて評価されます。 我々は、この評価は、現在使用されている MPDS システムを利用し、現在の輸送プロトコルを統合することにより、適切に訓練を受けた医療従事者によって実行できることを提案します。 時間と専門分野の要件は急性期患者全体で一律ではなく、病状に大きく依存します。 私たちはこの事実を最適化問題で考慮し、各患者の時間と専門要件の両方を個別に (患者ごとに) 最適化します。ここで計算される希望/予約は臨床状態に応じて異なります。 その意味で、私たちの方法を適用することによって得られる結果はより目的に合致しており、EMS システムの現在の運用状態を常に考慮していると結論付けることができます。

提案された ED 派遣問題により、特定の患者を非紹介施設に搬送するか紹介施設に直接搬送するか、あるいは非紹介施設から紹介施設に再転送するかについての決定を最適化することができます。 この決定は、すべての患者の臨床状態と、EMS システム全体の現在の運用状態 (救急車と病院のベッドの空き状況、利用可能なユニットが提供する専門分野、患者/救急病院に到着するまでの時間) を考慮してオプティマイザーによって提案されます。 ）。 このレベルの柔軟性を考慮して意思決定を最適化することで、提案されているシステムを広く採用することで、あらゆるタイプの病院でのオフロードの遅延が軽減される可能性があると考えられます。 これは、患者が臨床上のニーズに基づいて目的の病院に転送されるためです。 したがって、専門的治療を必要としない患者は非紹介病棟に案内され、専門的治療が必要な患者は紹介病棟に案内される可能性が高い。 再転送は、緊急に必要な場合にのみ行われます。 上記はすべて、現在の病院の能力と遅れを考慮したものです。

この研究では、提案された問題を現在の EMS/ED 派遣決定プロセスに統合するためのフレームワークも提案します。これは、既存の派遣ツールとの統合を概説します。 私たちの方法を使用すると、現在使用されている技術のパフォーマンスが向上する可能性があります。 通話が分類され、トリアージされると (MPDS の仕事)、この方法により、システム全体の現在の動作状態を考慮して、特定の患者に対応するのに最も適切なユニットを特定して割り当てることができます。 同様に、この方法は、現在の病院の能力も考慮し、特定の患者を入院させるための最良の ED (住所の観点から) を最適化する際にガイドラインを適用することで、現在の搬送プロトコルの使用を改善できます (病院の正確な位置の観点から)。 このアプローチは、NEMSIS データセットに保存されている実際の緊急事態を使用したシミュレーションで、さまざまな意思決定環境シナリオでテストされます。

テストされたすべてのシナリオにおいて、提案されたアプローチは患者により適した派遣を見つけることができました。 これは、時間またはサービスの専門性のいずれかにおいて、救急サービスを受ける患者の数が予約レベルと少なくとも同じであることによって測定されます。 さらに、参照点法スカラー化を使用して問題がスカラー化されることを提案しているため、得られるディスパッチが常にパレート最適であることが保証されます。

この研究にはいくつかの限界もあります。 まず、検査目的では主に循環器疾患に焦点を当てました。 しかし、提案されている問題は十分に一般的なものであるため、病気の種類を他のものに簡単に変更することができます。 さらに、この問題は、他のタイプの EMS サービスに向けて、他の特殊な措置を導入するために拡張される可能性もあります。 ただし、これらはこの文書の範囲外であると考えられます。

すでに述べたように、提案された方法は、事件ごとではなく、患者ごとに構築されています。 次に、複数の患者が発生した場合の EMS の割り当てをどのように処理するかという疑問が生じる可能性があります。 私たちの方法は、1 つのイベントで複数の患者を処理することもできます。 複数の患者の事故に対処する場合、各患者が助けを必要としていると識別する必要があります。 そして、それらのそれぞれに対して、時間と専門の基準を割り当て、それぞれに願望/予約を持たせます。 その意味では、資源の派遣は依然として目的に合ったアプローチに沿ったものとなるだろう。

大規模イベントが存在する場合、各患者に必要な EMS 専門分野に適切な希望や予約を割り当てることは単純に不可能になる可能性があります。 このような場合、専門分野への願望の値を 0.5 (範囲の中間) に設定することをお勧めします。 次に、同じ予約を 0 (下限) に割り当てます。 ただし、EMS は迅速に到着する必要があるため、到着までの時間の吸引と予約は厳密にする必要があります (例: 予約: 12 分、吸引: 7 分)。 (システムの現在の動作状態および医療プロトコルによって異なります)。 このようにして、オプティマイザーは、より特殊なユニットを若干優先して、できるだけ早く現場に到着できるユニットを割り当てることを目指します。

第 2 に、私たちのアプローチでは派遣は時間基準のみに基づいていないため、時間ベースの EMS 品質保証の主要業績評価指標 (KPI) を調整する必要がある可能性があります。 国が定義した時間しきい値内に一定の割合の通話が処理されると考えることは、もはや適切ではない可能性があります。 私たちは、少なくとも予約と同程度に優れているすべての基準（時間/専門性）のパーセンテージによって EMS パフォーマンスを測定し、それを導出されたしきい値と比較することを提案します。 ただし、これは立法レベルで適用されるものです。

最適化問題では、対応すべき患者の数と少なくとも同数の EMS/ED ユニットが常に利用可能であると仮定して、キューイングは考慮しません。 キューイングはさらなる研究目標として考慮できます。 もう 1 つの研究の可能性は、提案されたアプローチを実際の救急医療システムの派遣に適用することです。

制限があるにもかかわらず、提案されたアプローチは、EMS/ED 発送のための興味深い発送戦略であることが証明されています。 病状に基づいて患者を区別することで、限られた EMS/ED リソースをより適切に配分し、患者のニーズにさらに適合させることができます。 さらに、提案されたアプローチでは、紹介病院への患者の直接搬送と非紹介病棟からの再紹介の両方を考慮することができます。 その意味で、このアプローチは柔軟性を高め、派遣決定のより広範な最適化を可能にします。 すべてを考慮すると、このようなアプローチは緊急時の患者の生存率を高める可能性があります。

この研究は純粋に概念的なものであり、EMS/ED ディスパッチング フレームワークと組み合わせた数学的最適化ツールの開発を目的としています。 この研究ではデータは生成されず、既存のデータも分析されませんでした。 ケーススタディは、ツールが実際に動作していることを示すためにのみ実行されました。 このために、NEMSIS データセットからの実際の緊急症例が使用されました。 すべての関連情報が記載されている正しい参考文献が原稿に引用されています。 患者の状態に関連する希望値/予約値は専門知識を使用して推定されたものですが、スペースと範囲の制限により原稿には完全には記載されていません。 ただし、そのような推定の実例が原稿に示されています。 専門性と時間の値は、原稿内で指定されている場合はどこでもランダムに取得されました。 それにもかかわらず、興味のある読者は、ケーススタディで使用されたすべてのデータが必要な場合は、責任著者に連絡することをお勧めします。 責任著者は、ご要望に応じてすべての事例研究データを喜んで提供いたします。 現在の研究中に使用および/または分析されたデータセットは、合理的な要求に応じて責任著者から入手できます。

Reuter-Oppermann, M.、van den Berg, PL & Vile, JL 緊急医療サービス システムのロジスティクス。 健康システム。 6(3)、187–208 (2017)。

記事 Google Scholar

Bélanger, V.、Ruiz, A.、Soriano, P. 緊急医療車両の位置、移転、派遣に関する最近の最適化モデルと傾向。 ユーロ。 Ｊ．Ｏｐｅｒ． 解像度 272(1)、1–23 (2019)。

記事 MathSciNet MATH Google Scholar

Lee, S. EMS 物流のための新しい準備方針。 ヘルスケアマネージャー科学。 20、105–114 (2017)。

論文 PubMed Google Scholar

カーター GM、チャイケン JM、イグナル E。2 つの緊急部隊の対応エリア。 オペラ。 解像度 20(3)、571–594 (1972)。

記事 MathSciNet MATH Google Scholar

Schmid, V. 近似動的プログラミングを使用して、救急車の動的な移動と派遣の問題を解決します。 ユーロ。 Ｊ．Ｏｐｅｒ． 解像度 219(3)、611–621 (2012)。

記事 MathSciNet PubMed PubMed Central MATH Google Scholar

Jagtenberg, CJ、Bhulai, S. & van der Mei, RD ダイナミックな救急車の派遣: 最も近いアイドル ポリシーは常に最適ですか? ヘルスケアマネージャー科学。 20(4)、517–531 (2017)。

論文 CAS PubMed Google Scholar

2006 年 9 月 8 日の州医療緊急サービスに関する法律 (国家緊急システムに関する法) (ポーランド語) (2006)。

EENA - 欧州緊急番号協会。 緊急通報処理サービス チェーンの説明 v 2.0。 https://eena.org/wp-content/uploads/2020_12_07_ServiceChainV2.0-final.pdf (2020)。

Sowizdraniuk、J. et al. 救急医と救急隊員を配置した救急チームによる病院前の心電図の遠隔送信と、その搬送と入院への影響。 医学 98、34 (2019)。

記事 Google Scholar

エルベル、R.ら。 大動脈疾患の診断と治療に関する 2014 年 ESC ガイドライン: 成人の胸部および腹部大動脈の急性および慢性大動脈疾患をカバーする文書。 欧州心臓病学会 (ESC) の大動脈疾患の診断と治療に関するタスクフォース。 ユーロ。 Heart J. 35(41)、2873–2926 (2014)。

論文 PubMed Google Scholar

Francek, L.、Hlinomaz, O.、Groch, L.、Belaskova, S. 2008 ～ 2016 年の STEMI 管理に関連する時間間隔の分析。 Cor Vasa 60(3)、e239–e245 (2018)。

記事 Google Scholar

Konstantinides、SV et al. 急性肺塞栓症の診断と管理に関する2019年ESCガイドラインは、欧州心臓病学会（ESC）の急性肺塞栓症の診断と管理に関するタスクフォースである欧州呼吸器学会（ERS）と協力して開発されました。 ユーロ。 Heart J. 41(4)、543–603 (2020)。

論文 PubMed Google Scholar

Hulshof, PJ、Kortbeek, N.、Boucherie, RJ、Hans, EW & Bakker, PJ ヘルスケアにおける計画決定の分類学的分類: or/ms における最先端技術の構造化レビュー。 健康システム。 1(2)、129–175 (2012)。

記事 Google Scholar

Nadolny, K. & Ładny, JR 生命を脅かす状態にある患者に対する医療介入の分析により、緊急医療状態が選択されました。 救急時の看護 1, 1 (2018).

Google スカラー

Gajewski、P. (実践医学、2018)。

Bergmark、BA、Mathenge、N.、Merlini、PA、Lawrence-Wright、MB、Giugliano、RP 急性冠症候群。 ランセット 399(10332)、1347–1358 (2022)。

記事 Google Scholar

国民健康基金 (ポーランド国民健康基金)。 健康に関する国民健康基金。 虚血性心疾患 [健康に関するNFZ。 虚血性心疾患]。 https://ezdrowie.gov.pl/portal/home/badania-i-dane/zdrowe-dane/raporty/nfz-o-zdrowieu-choroba-niedokreenna-serca。

Czapla、MF 急性冠症候群患者の医療搬送における合併症は、専門の基本的な救急隊員によって行われます。 博士号論文、ヴロツワフ医科大学、(2017)。

Gucwala, J. (実践医学、2015)。

アイバニーズ、B. 他 ST 上昇を呈する患者における急性心筋梗塞の管理に関する 2017 年 ESC ガイドライン: ST 上昇を呈する患者における急性心筋梗塞の管理に関する欧州心臓病学会 (ESC) のタスクフォース。 ユーロ。 Heart J. 39(2)、119–177 (2018)。

論文 PubMed Google Scholar

Dudek、D. et al. ポーランドにおける STEMI および NSTEMI 心筋梗塞患者の介入治療の組織 (ポーランドにおける心筋梗塞患者における侵襲的治療戦略)。 カーディオール。 ポーランド ポーランド Heart J. 68、5 (2010)。

Google スカラー

アイバニーズ、B. 他 ST 上昇を呈する患者における急性心筋梗塞の管理に関する 2017 年 ESC ガイドライン: 欧州心臓病学会 (ESC) の ST 上昇を呈する患者における急性心筋梗塞の管理に関するタスクフォース。 ユーロ。 ハート J. 39(2)、119–177。 https://doi.org/10.1093/eurheartj/ehx393 (2017)。

記事 Google Scholar

ジョン、S.-B. 他。 非神経疾患で入院した患者における神経学的緊急事態。 J. 患者安全。 17(8)、e1332–e1340 (2021)。

論文 PubMed Google Scholar

He, W.、Zhang, Z. & Sha, X. 虚血性脳卒中を効果的に治療するためのナノ粒子を介した新たなアプローチ。 バイオマテリアル 277、121111 (2021)。

論文 CAS PubMed Google Scholar

パワーズ、W.ら。 米国心臓協会脳卒中評議会を代表して。 急性虚血性脳卒中患者の早期管理に関するガイドライン: 急性虚血性脳卒中患者の早期管理に関する 2018 年ガイドラインの 2019 年更新版: 米国心臓協会/米国脳卒中協会による医療専門家向けのガイドライン。 ストローク 50(12)、e344–e418 (2019)。

論文 PubMed Google Scholar

Szczuchniak, W.、Sobolewski, P. & Kozera, GKG 脳卒中における入院前および入院中の遅延：背景、結果および予防。 フォーラム・メディシヌイ・ロジンネジ 10(3)、119–128 (2016)。

Google スカラー

Wolters, FJ、Paul, NL、Li, L. & Rothwell, PM 英国の高速テスト公教育が脳卒中への対応に及ぼす持続的な影響: 人口ベースの時系列研究。 内部。 J. Stroke 10(7)、1108–1114 (2015)。

記事 PubMed PubMed Central Google Scholar

MS ミルンら。 血管内治療におけるドリップアンドシップとマザーシップ: 最適な結果を得るために最適な輸送オプションをモデル化します。 ストローク 48(3)、791–794 (2017)。

論文 PubMed Google Scholar

パーティー。 大学間脳卒中ワーキングおよびその他。 脳卒中に関する国家臨床ガイドライン (2012)。

セメラロ、F. et al. 欧州蘇生評議会ガイドライン 2021: 命を救うシステム。 蘇生 161、80–97 (2021)。

論文 PubMed Google Scholar

アラバマ州公衆衛生局。 アラバマ州EMS患者ケアプロトコル、第10版。 https://www.alabamapublichealth.gov/ems/assets/10th.edition.protocols.pdf (2022)。

デラウェア州救急医療サービス局。 デラウェア州の高度なライフサポートプロトコル、ガイドライン、ポリシー、および継続命令。 https://www.dhss.delaware.gov/dhss/dph/ems/files/ALSFinal2022.pdf (2022)。

ロバコウスカ、M. et al. 指揮支援システムEMS（SWD PRM）。 出現。 医学。 サーブ。 8(3)、126–129 (2021)。

記事 Google Scholar

Kovalchuk, SV、Krotov, E.、Smirnov, PA、Nasonov, DA & Yakovlev, AN 心臓病救急車の制御における緊急意思決定のための分散型データ駆動型プラットフォーム。 将来の世代のコンピューティング。 システム。 79、144–154 (2018)。

記事 Google Scholar

Aringhieri, R.、Bruni, M.、Khodaparasti, S. & van Essen, J. 救急医療サービスとそれ以降: 広範な文献レビューを通じて新たな課題に対処します。 計算します。 オペラ。 解像度 78、349–368 (2017)。

記事 MathSciNet MATH Google Scholar

Liu, K.、Li, Q.、Zhang, Z.-H. 緊急医療サービス ステーションの場所と、共同チャンスの制約によるサイジングの問題の分布的に堅牢な最適化。 トランスペアレント解像度 Bメソドール。 119、79–101 (2019)。

記事 Google Scholar

Aringhieri, R.、Carello, G. & Morale, D. イタリアの救急医療サービスのパフォーマンスを向上させるための意思決定をサポート。 アン。 オペラ。 解像度 236(1)、131–148 (2016)。

記事 Google Scholar

Jagtenberg, C. & Mason, A. タイムシェアリングによる救急車計画の公平性の向上。 ユーロ。 Ｊ．Ｏｐｅｒ． 解像度 280(3)、1095–1107 (2020)。

記事 MathSciNet MATH Google Scholar

ディベン、JC et al. メキシコ、ティファナの救急車の位置を最適化。 計算します。 バイオル。 医学。 80、107–115 (2017)。

論文 PubMed MATH Google Scholar

Toro-Diaz、H.、Mayorga、ME、McLay、LA、Rajagopalan、HK、Saydam、C. 大規模な救急医療サービスシステムにおける格差の削減。 J.オペラ。 解像度社会 66(7)、1169–1181 (2015)。

記事 Google Scholar

Sudarshan, VK、Brabrand, M.、Range, TM & Wiil, UK 気象情報とカレンダー情報を含めることによる救急外来の患者到着予測モデルのパフォーマンス評価: 比較研究。 計算します。 バイオル。 医学。 135、104541 (2021)。

論文 PubMed Google Scholar

Taramasco, C. et al. 自律バットアルゴリズムによって患者のベッド割り当ての問題が解決されました。 応用ソフトコンピューティング。 81、105484 (2019)。

記事 Google Scholar

Saghafian, S.、Austin, G. & Traub, SJ 救急部門の患者の流れの最適化に対する運営研究/管理の貢献: レビューと研究の見通し。 IIEトランス。 ヘルスケアシステム工学 5(2)、101–123 (2015)。

記事 Google Scholar

Bachouch, RB、Guinet, A. & Hajri-Gabouj, S. 病院のベッド計画のための整数線形モデル。 内部。 Ｊ．Ｐｒｏｄ． エコン。 140(2)、833–843 (2012)。

記事 Google Scholar

Jagtenberg, C.、van den Berg, P.、van der Mei, R. 救急医療サービスのオンライン派遣アルゴリズムのベンチマーク。 ユーロ。 J.オペラ。 解像度 258(2)、715–725 (2017)。

記事 MathSciNet MATH Google Scholar

ルイジアナ州マクレーおよびメイン州マヨルガ 効率と公平性のバランスをとったサーバーから顧客へのシステムのディスパッチング モデル。 メーカーサーブ。 オペラ。 管理。 15(2)、205–220 (2013)。

記事 Google Scholar

Enayati, S.、マヨルガ、メイン、Toro-Díaz, H.、アルバート、ルイジアナ州 救急車の位置と優先順位の高い派遣を同時に最適化するための公平性と効率性のトレードオフを特定。 内部。 トランス。 オペラ。 解像度 26(2)、415–438 (2019)。

記事 MathSciNet Google Scholar

Carvalho, A.、Captivo, M.、Marques, I. 救急車の派遣と再配置の問題を統合して、システムの準備を最大限に高めます。 ユーロ。 Ｊ．Ｏｐｅｒ． 解像度 283(3)、1064–1080 (2020)。

記事 MathSciNet MATH Google Scholar

Lim, CS、Mamat, R. & Braunl, T. 救急車派遣政策が救急医療サービスのパフォーマンスに及ぼす影響。 IEEEトランス。 知性。 トランスペアレントシステム。 12(2)、624–632 (2011)。

記事 Google Scholar

Boutilier、JJ & Chan、TC 発展途上国における救急車の緊急対応の最適化。 オペラ。 解像度 68(5)、1315–1334 (2020)。

記事 MathSciNet MATH Google Scholar

Sudtachat, K.、メイン州マヨルガ、ルイジアナ州マクレー シミュレーションによる多層対応下で緊急車両を派遣するための推奨事項。 内部。 トランス。 オペラ。 解像度 21(4)、581–617 (2014)。

記事 MATH Google Scholar

Silva, PMS & Pinto, LR シミュレーションと最適化による救急医療システムの分析。 プロセスで。 2010 年冬季シミュレーション カンファレンス 2422 ～ 2432 (2010)。

Haghani, A.、Hu, H.、Tian, Q. リアルタイムの緊急車両の配車と経路設定の最適化モデル。 ワシントン DC の運輸研究委員会の第 82 回年次総会において (Citeseer、2003)。

Knight, V.、Harper, P.、Smith, L. 不均一な結果尺度による最大限の生存のための救急車の割り当て。 オメガ 40(6)、918–926 (2012)。

記事 Google Scholar

スタウト、J.、ペペ、PE、モセッソ、ベトナム すべて高度な生命維持システムと段階的対応の救急車システム。 前病院。 出現。 Care 4(1)、1–6 (2000)。

論文 CAS PubMed Google Scholar

Sporer, KA & Johnson, NJ 医療優先派遣システムの決定要因における病院前介入の詳細な分析。 西。 Ｊ．Ｅｍｅｒｇ． 医学。 12(1)、19 (2011)。

PubMed PubMed Central Google Scholar

フィッシャー、M.ら。 救急医療サービス システムの比較 - 欧州緊急データ (EED) プロジェクトのプロジェクト。 蘇生 82(3)、285–293 (2011)。

論文 PubMed Google Scholar

Sporer, KA、Youngblood, GM & Rodriguez, RM 医療苦情の緊急医療派遣コードの機能は、病院前の介入も予測します。 前病院。 出現。 Care 11(2)、192–198 (2007)。

論文 PubMed Google Scholar

ヤップ、J.ら。 院外の心停止を蘇生が適切なものとして正確に分類する際の医療優先派遣システムのパフォーマンス。 蘇生 181、123–131 (2022)。

論文 PubMed Google Scholar

Dong, X. et al. 急性冠症候群の病院前診断と治療を改善するための救急医療派遣システムの最適化: 中国における全国的な後ろ向き研究。 J.Med. インターネット解像度 24(11)、e36929 (2022)。

記事 PubMed PubMed Central Google Scholar

アンドリュー、Ｅら。 救急車の出動の優先順位を患者の緊急度に合わせる: 方法論。 出現。 医学。 オーストララス。 31(3)、405–410 (2019)。

論文 PubMed Google Scholar

Talarico, L.、Meisel, F. & Sörensen, K. 患者グループによる災害対応のための救急車のルート。 計算します。 オペラ。 解像度 56、120–133 (2015)。

記事 MathSciNet MATH Google Scholar

Amaldi, E.、Coniglio, S. & Iuliano, C. 中度/最大の医療緊急事態における負傷者の避難のための最適化モデル。 2010 年、医療管理に関する IEEE ワークショップ (WHCM) 1 ～ 6 (2010)。

Acuna, JA、Zayas-Castro, JL & Charkhgard, H. 米国救急部門の過密問題に対する救急車割り当て最適化モデル: フロリダ州でのケーススタディ。 社会経済的。 プラン。 科学。 71、100747 (2020)。

記事 Google Scholar

Leo, G.、Lodi, A.、Tubertini, P.、Di Martino, M. イタリア、ラツィオ州の救急部門管理者。 オメガ 58、128–138 (2016)。

記事 Google Scholar

キェルツェ県庁。 シフィエトクシスキエ県における国家救急医療サービスの運営計画。 https://czkw.kielce.uw.gov.pl/download/4/32964/WPDSPRM-wojswietokrzyskieaktualizacjaNr7BIP.pdf (2022)。

Kupas, DF、Schenk, E.、Sholl, JM & Kamin, R. 米国における救急医療サービスのための州全体のプロトコルの特徴。 前病院。 出現。 ケア 19(2)、292–301 (2015)。

論文 PubMed Google Scholar

チャック、CCら。 脳卒中および大血管閉塞の疑いに対する州全体の緊急医療サービスプロトコル。 JAMAニューロール。 78(11)、1404–1406 (2021)。

記事 PubMed PubMed Central Google Scholar

Zurowska-Wolak, M.、Piekos, P.、Jakala, J.、Mikos, M. STEMI 患者の治療効果に対する病院前システムの遅延の影響。 スキャン。 J. トラウマ蘇生。 出現。 医学。 27、1–7 (2019)。

記事 Google Scholar

クレメンセン、P. et al. 急性心筋梗塞患者の病院前診断と搬送 - ヨーロッパ最大の STEMI ネットワークの 1 つでの 10 年にわたる経験。 J. 心電図。 46(6)、546–552 (2013)。

論文 PubMed Google Scholar

Wiegersma, JS、Droogh, JM、Zijlstra, JG、Fokkema, J. & Ligtenberg, JJ 重症者の病院間搬送の質: 専門の救出チームを備えた移動集中治療室の影響。 クリティカル。 Care 15(1)、1–8 (2011)。

記事 Google Scholar

ユウ、P.-L. 複数の基準による意思決定: 概念、技術、および拡張、シリーズ科学と工学における数学的概念と方法 Vol. 30 (スプリンガー、1985)。

Google Scholar を予約する

欧州経済社会委員会。 一般的な関心のあるサービス。 https://www.eesc.europa.eu/en/policies/policy-areas/services-general-interest (2022 年 6 月 5 日にアクセス)。

Kaniecka、E. et al. 専門家によるポーランドの救急医療システムの選択項目の評価。 出現。 医学。 サーブ。 7(2)、113–119 (2020)。

記事 Google Scholar

Kaleta, M.、Ogryczak, W.、Toczykowski, E. & Żółtowska, I. 競争の激しい電力市場における供給者向けの複数の基準による意思決定サポートについて。 アン。 オペラ。 解像度 121(1)、79–104 (2003)。

記事 MathSciNet MATH Google Scholar

Lewandowski, A. & Wierzbicki, AP 願望ベースの意思決定支援システム: 理論、ソフトウェア、およびアプリケーション Vol. 2 331 (スプリンガー、1989)。

数学 Google Scholar

Ogryczak, W.、Studzinski, K. & Zorychta, K. DINAS: 施設の位置に関する多目的積み替え問題のコンピューター支援分析システム。 計算します。 オペラ。 解像度 19(7)、637–647 (1992)。

記事 Google Scholar

Drabecki, M. & Toczylowski, E. ピアツーピア エネルギー バランシング アーキテクチャ内で再生可能エネルギー源からの不確実な供給を管理するための多目的アプローチ。 エネルギー 15、3 (2022)。

記事 Google Scholar

国家道路交通安全局 (NHTSA)、緊急医療サービス局 (OEMS)。 2020 年国家緊急医療サービス情報システム (NEMSIS) 公開研究データセット。 https://nemsis.org (2020)

国家道路交通安全局 (NHTSA)。 NEMSIS データ辞書バージョン 3.5.0。 https://nemsis.org/media/nemsis_v3/release-3.5.0/DataDictionary/PDFHTML/EMSDEMSTATE_National/NEMSISDataDictionary.pdf (2021)。

Grant, M. & Boyd, S. CVX: 規律ある凸プログラミングのための Matlab ソフトウェア、バージョン 2.1。 http://cvxr.com/cvx (2014)。

Grant, M. & Boyd, S. 非滑らかな凸プログラムのグラフ実装。 『学習と制御の最近の進歩』、制御と情報科学のシリーズ講義ノート (Blondel, V. 他編) 95–110 (Springer、2008)。

Google スカラー

リファレンスをダウンロードする

ワルシャワ工科大学制御計算工学研究所（ポーランド、ワルシャワ）

マリウス・ドラベッキ、エウゲニウシュ・トチュニョフスキ、クシシュトフ・ピエンコシュ

ポーランド、ザブジェのシレジア心臓病センター

グジェゴシュ・ホーニシュ

マルタ ポーランド勲章、マルタ医療サービス、カトヴィツェ、ポーランド

マリウス・ドラベッキ & グジェゴシュ・ホーニス

ラザルスキー大学医学部ワルシャワ、ワルシャワ、ポーランド

クラウディア・クワク

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

MD: この研究の概念化、方法論、ソフトウェア、データキュレーション、執筆。 ET: この研究の概念化、執筆。 KP: 書くことです。 GH: データキュレーション、ライティング、KK: ライティング。

マウシュ・ドラベッキへの通信。

著者らは競合する利害関係を宣言していません。

シュプリンガー ネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Drabecki、M.、Toczyłowski、E.、Pieńkosz、K. 他救急部門と救急隊員の不均一な専門分野を考慮した、救急医療サービス (EMS) を最適化するための多基準割り当て問題。 Sci Rep 13、7496 (2023)。 https://doi.org/10.1038/s41598-023-33831-7

引用をダウンロード

受信日: 2022 年 11 月 18 日

受理日: 2023 年 4 月 19 日

公開日: 2023 年 5 月 9 日

DOI: https://doi.org/10.1038/s41598-023-33831-7

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティ ガイドラインに従うことに同意したことになります。 虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。