在模拟大规模伤亡事件中Sieve与瑞士医院前选算法的性能:随机开放标签研究
Loric Stuby1, Christophe A Fehlmann2,3, Salita Bellotti4,5
1https://ror.org/01edbpy62Genève TEAM Ambulances, Emergency Medical Services, Geneva, Switzerland.
Prehospital and disaster medicine
|December 11, 2025
概括
在模拟大规模伤亡事件期间,Sieve分类算法在准确识别严重受伤患者方面略高于SwissPre算法. 在这两种方法中,分离速度是相似的.
科学领域:
- 紧急医疗 紧急医疗
- 医疗模拟 医疗模拟
- 临床分类是临床分类.
背景情况:
- 大规模伤亡事件 (MCI) 需要通过分类来有效地分配资源.
- 现有的医院前选量表缺乏全面的绩效数据.
- 对比不同选算法的有效性对于改善患者的治疗结果至关重要.
研究的目的:
- 为了比较Sieve和SwissPre医院前分类算法的性能.
- 在模拟的MCIs中评估患者分类的准确性.
- 评估每个分类算法的时间效率.
主要方法:
- 一个基于网络的,随机的开放标签研究,使用经过验证的生理模拟器.
- 参与者使用Sieve或SwissPre算法对30名模拟患者进行了分组.
- 主要结果:分类得分的准确性;次要结果:分类持续时间.
主要成果:
- 与SwissPre (15.5/30) 相比,Sieve算法获得了更高的平均分类得分 (17.1/30),P = .011.
- 在Sieve (43分钟) 和SwissPre (46分钟) 组之间没有观察到选时间的显著差异.
- 67名参与者完成了这项研究,数据分析了性能和速度.
结论:
- 锡夫算法在准确识别可能在60分钟内死亡的严重受伤患者方面表现出了适度的优势.
- 选速度在Sieve和SwissPre算法之间是可比的.
- 从这个模拟设置中得出的结果需要谨慎地解释关于对现实世界MCI的概括性.
