Spelling suggestions: "subject:"emergency amedical dispatch"" "subject:"emergency amedical dispatche""
1 |
Extracting Actionable Medical Data from a Twitter User’s History During a Medical EmergencyLangdon, Theodore 22 August 2022 (has links)
No description available.
|
2 |
När tid är liv : Skillnader i prioritering och väntetider vid potentiellt akut livshotande tillstånd – en jämförelse mellan alarmeringssjukvård och ambulanssjukvårdBerner, Andreas, Rotter, Pontus January 2015 (has links)
För många akut sjuka patienter är alarmeringssjukvården och ambulanssjukvården den första kontakten med sjukvården. Därför är det viktigt att dessa patienter prioriteras korrekt i förhållande till sjukdomstillståndets allvarlighetsgrad. Allra viktigast är det när patientens tillstånd är potentiellt akut livshotande, i situationer när tid är liv. Förutom det fysiska hotet kan tiden kännas outhärdligt lång innan ambulansen är på plats. Rädsla för att inte bli hittad och rädsla för att tillståndet ska försämras ytterligare kan innebära en skarp konfrontation med tankar om livets ändlighet. Syftet med studien var att kartlägga om det förelåg några skillnader i prioritering mellan alarmeringssjukvården och ambulanssjukvården, vid uppdrag där ambulanssjukvården bedömt att patienten led av ett potentiellt akut livshotande tillstånd. Alarmerings- och ambulansuppdrag från en region i sydvästra Sverige analyserades i en retrospektiv kvantitativ studie. Data inkluderade varje uppdrag under 2014 som ambulanssjukvården bedömt som Prio 1 vid avtransport (n=17 184). Av dessa uppdrag var 82,4 % (n=14 676) utlarmade som Prio 1 av alarmeringssjukvården. De resterande 17,6 % (n=3138) larmades ut som Prio eller Prio 3. Väntetiden för de patienter som bedömdes som Prio 2 eller Prio 3 vid utlarmningen var 100 % längre jämfört med som larmades ut som Prio 1. De bedömda tillstånd som oftast prioriterades upp var ”Ryggbesvär” (71,7 %) och ”Buk/urinvägar” (47,6 %). Kvinnor (19,7 %) prioriterades upp i högre utsträckning än män (18,3 %). Den största skillnaden förekom i gruppen ”Våld-misshandel” där andelen upprioriterade män var 14,7 % och andelen upprioriterade kvinnor var 41,7 %. Skillnader i prioritering i relation till ålder var högst för patienter som var 81 år eller äldre (26,0 %). Slutsatsen är att det förekommer omotiverade skillnader i vård för den aktuella patientgruppen. Skillnaderna är väsentliga eftersom tillståndens svårighetsgrad är bedömda som potentiellt akut livshotande och för en del av tillstånden är effekten av både åtgärder och väntan stor. Studien visar var skillnaderna är som störst, vilket gör det lättare att bedöma vilka vidare studier som sannolikt ger mest patientnytta.
|
3 |
PRIORITERING FRÅN LARM TILL SJUKHUS : En retrospektiv registerstudie om bedömningar i den prehospitala vårdkedjanLundblad, Martin, Svensson, Helena January 2017 (has links)
Introduction: When in care, patients are assessed and prioritised throughout the whole process of care, but to perform these assessments is a complex task. The emergency dispatch center performs the assessment and prioritise the patient over the phone, and do not see them in person. Often it is not even the patients themselves that are on the other end of the line. The ambulance nurse meets their patient when the assessment is made and all senses can be utilized. The purpose of the ambulance nurse assessment is that the patient should receive the best care upon arrival in the pre-hospital care and further in the chain of care. It is desirable that there is a connection between the assessments between the assessments that are made in the pre-hospital chain of care, despite that they have different purposes. Today a tendency to contact the emergency dispatch center prevails, and a general increase of ambulance assistance compared to earlier years can be seen in Sweden. However, the number of ambulance resources are limited and can in the long run become a problem for patient safety. Seriously ill patients must not be overlooked, and therefore correct assessments must form the foundation for those assessments that are being made across the whole chain of care. A well functioning pre-hospital chain of care is of significant importance for patient's security and for the following process of care. Aim: The aim of the study was to investigate what differences and associations that exists between the emergency dispatch centers' assessment of the level of care priority and those from the ambulance nurse. Method: A quantitative study with a retrospective design. In total, 638 alarms were analysed via data from an ambulance operation in the south of Sweden. The result was accounted for by statistical analysis. Result: The result showed a weak connection between the prioritisation performed by the emergency dispatch center compared to that performed by the ambulance nurse. In order to strengthen the validity of the study, the ambulance nurse different assessments (CUPS and RETTS-triage) were also compared which showed a relatively strong association. Conclusion: The comparison between the emergency dispatch center's assessment and the ambulance nurse assessment of the patients can be seen as problematic since they have different preconditions an purposes. The assessments are and should be different and a certain degree over-priorities has to be accepted in order to ensure that acute ill patients not should be overlooked. A stronger connection between these two in order not to endanger patient safety is however desirable. / Introduktion: Inom vården bedöms och prioriteras patienter genom hela vårdprocessen men att utföra dessa bedömningar är en komplex uppgift. Larmcentralen utför bedömningen och prioriterar patienten via telefon och träffar inte fysiskt någon patient. Ofta är det inte ens patienten själv som ringer. Deras prioritering har till syfte att rätt patient ska få hjälp av ambulanssjukvård i rätt tid. Ambulanssjuksköterskan möter sin patient när bedömningen görs och alla sinnen kan användas. Syftet med ambulanssjuksköterskans bedömning är att patienten ska få rätt vård i rätt tid både prehospitalt och vidare genom vårdkedjan. Att det finns ett samband mellan de bedömningar som görs i den prehospitala vårdkedjan är önskvärt trots att de har olika syfte. Det råder idag större benägenhet att kontakta larmcentralen och begära ambulanssjukvård än tidigare år och en generell ökning kan ses i Sverige. Dock är antalet ambulansresurser begränsade och kan i slutänden bli ett problem för patientsäkerheten. Svårt sjuka patienter får inte förbises och därför måste korrekta bedömningar ligga till grund för de beslut som fattas genom hela kedjan. En väl fungerande prehospital vårdkedja är av stor betydelse för människors trygghet och hela den efterföljande vårdprocessen. Syfte: Syftet med studien var att se vilka skillnader och samband som fanns mellan larmcentralens bedömning av prioriteringsnivån och ambulanssjuksköterskans bedömningar. Metod: En kvantitativ studie med retrospektiv design. Totalt 638 ambulansuppdrag granskades via data från en ambulansverksamhet i södra Sverige. Med hjälp av statistisk analys redovisades resultatet. Resultat: Resultatet visade ett svagt samband mellan den prioritering som utförs av larmcentralen jämfört med ambulanssjuksköterskans bedömning. För att stärka studiens validitet jämfördes också ambulanssjuksköterskans olika bedömningar (CUPS och RETTS-triage), vilket visade på ett relativt starkt samband. Slutsats: Jämförelsen mellan larmcentralens prioritering och ambulanssjuksköterskans bedömning av patienten kan ses som problematisk eftersom de har olika förutsättningar och syfte. Bedömningarna är och ska vara olika och viss överprioritering måste accepteras för att akut sjuka patienter inte ska förbises. Önskvärt är dock ett starkare samband mellan dem för att inte äventyra patientsäkerheten utan alla patienter får rätt vård i rätt tid.
|
4 |
Prehospital risk assessment and patient outcome:a population based study in Northern FinlandHoikka, M. (Marko) 04 December 2018 (has links)
Abstract
Emergency medical services (EMS) are designed to provide prompt response, on-scene treatment and transport for definitive care in patients with acute illness or injury. In recent years, the growing number of missions for non-urgent matters has challenged emergency care to design risk assessment protocols and tools to support decision-making and resource management at both dispatch and on-scene.
The present study was designed to examine the efficacy of a criteria based dispatch protocol and National Early Warning Score (NEWS) in the Finnish EMS system. In addition, the aim of the research was to obtain data on patient allocation and mortality in the Northern Finnish population.
The study data included 13,354 EMS missions from a six-month cohort (1.1.2014 - 30.6.2014) of prehospital emergency patients in two hospital districts – Kainuu and Länsi-Pohja – in Northern Finland, using a retrospective, observational design. Prehospital data including patient clinical physiological variables were combined with the national Finnish registries (Care Registry for Health Care, Intensive Care Consortium Database and Cause of Death Registry) in order to examine risk assessment in EMS and prehospital patient outcomes.
Based on the result, the risk assessment at the dispatch was correct in 67.5% of the cases and four out of ten EMS missions did not lead to transportation by an ambulance. The use of the Finnish dispatch protocol resulted in an overall rate of 23% of over-triage and a 9% rate of under-triage. The highest NEWS category showed a good sensitivity for 1-day mortality but failed to adequately discriminate patients in need of intensive care or who died within 30-days in a large, unselected, typical EMS population.
In conclusion, the criteria based dispatch protocol resulted in over-triage of a quarter of missions and in a significant rate of EMS missions without ambulance transportation. In addition, the predictive value of prehospital NEWS regarding the patient´s risk of death and need for intensive care was low. / Tiivistelmä
Ensihoitopalvelu on suunniteltu tarjoamaan nopeaa vastetta, paikalla tapahtuvaa hoitoa ja kuljetusta lopulliseen hoitopaikkaan potilaille, joilla on akuutti sairaus tai vamma. Viime vuosien lisääntyneet yhteydenotot ei-kiireellisissä asioissa on johtanut riskinarviotyökalujen kehittämiseen tukemaan päätöksentekoa ja resurssienhallintaa hätäpuhelun aikana ja tapahtumapaikalla.
Tässä tutkimuksessa tarkasteltiin kriteeripohjaista hätäpuhelun käsittelyä sekä varhaisen varoituspistejärjestelmän (NEWS) tehokkuutta suomalaisessa ensihoitojärjestelmässä. Lisäksi tutkimuksen tavoitteena oli saada tietoa ensihoitopotilaiden hoitotuloksista ja kuolleisuudesta Pohjois-Suomessa.
Tutkimukseen sisältyi 13 354 ensihoitotehtävää kuuden kuukauden kohortista (1.1.2014 – 30.6.2014) kahden sairaanhoitopiirin alueelta – Kainuu ja Länsi-Pohja – Pohjois-Suomessa käyttämällä retrospektiivistä havainnoivaa tutkimusmenetelmää. Ensihoidon aikana kerätty tieto, mukaan lukien potilaan kliiniset fysiologiset arvot, yhdistettiin kansallisiin rekistereihin (hoitoilmoitusrekisteri, tehohoitokonsortion laatutietokanta sekä kuolinsyyrekisteri) jotta ensihoitopotilaiden riskinarviota ja hoitotuloksia voitiin tutkia.
Tutkimustulosten mukaan 67.5 prosentissa tapauksista riskinarvio hätäkeskuksessa oli oikea ja neljä kymmenestä ensihoitotehtävästä ei johtanut kuljetukseen ambulanssilla. Suomalaisen hälytysprotokollan käyttö johti yliarviointiin 23 prosentissa tapauksista ja aliarviointiin 9 prosentissa tapauksista. Korkeariskin NEWS-luokan herkkyys 1-päivän kuolleisuudelle oli hyvä, mutta se ei kyennyt erottelemaan riittävän hyvin potilaita, jotka tarvitsivat tehohoitoa tai kuolivat 30 päivän sisällä suuressa ei-valikoidussa tyypillisessä ensihoitopotilasväestössä.
Yhteenvetona todettiin, että kriteeripohjaisen riskinarvion käyttö johti yliarvioon neljänneksestä tapauksista sekä huomattavaan ensihoitotehtävämäärään ilman ambulanssikuljetusta. Lisäksi ensihoidon aikana käytetyn varhaisen varoituspistejärjestelmän ennusteellinen arvo potilaan kuolemanriskin ja tehohoidon tarpeeseen oli matala.
|
5 |
Specifické činnosti zdravotnického operačního střediska zdravotnické záchranné služby při řešení mimořádné události / Specific tasks of Emergency Medical Dispatch centre when dealing with mass casualty.VODEHNALOVÁ, Ivana January 2018 (has links)
The goal of this thesis was to analyze processes of the Emergency Medical Dispatch Center of the Emergency Medical Service of the Pilsen Region (ZOS ZZS Pk) when dealing with a mass casualty incident. The theoretical part of the thesis provides basic information relevant to the Pilsen Region, the Emergency Medical Service of the Pilsen Region, basic information on operations and general work processes of an emergency medical dispatch center during a normal work regime, and specific activities performed when dealing with a mass casualty incident. The research part of this thesis analyses activities and processes of an emergency medical dispatch center as described in the Mutual Mission Types Manual for Integrated Rescue System forces while at a mutual incident - Activities of Integrated Rescue System Forces at a Mass Casualty Incident (STČ 09/IZS). Further on the thesis evaluates activities of the ZOS ZZS Pk taken while dealing with two mass casualty incidents. These were a bus accident nearby Rokycany town in 2013 and a two trains collision nearby Horažďovice town in 2015. In order to make the analysis of readiness of the ZOS ZZS Pk to deal with mass casualty incidents more complex, SWOT analysis was added to the results. Based on the results of the STČ 09/IZS-manual analysis and of the SWOT analysis, suggestions for new manuals were made, that should make all the actions taken by employees of the ZOS ZZS Pk while dealing with a mass casualty incident more efficient and more effective. The goal of this thesis: to analyze activities of the ZOS ZZS Pk while dealing with a mass casualty incident, and to create suggestions of which inadequacies to remove and how to make operations of the ZOS ZZS Pk more efficient and more effective when dealing with mass casualty incidents; has therefore been fulfilled. The main outcome of the thesis are the final recommendations for making operations of the ZOS ZZS Pk more efficient and more effective when dealing with a mass casualty incident.
|
6 |
An evaluation of nurse triage at the Emergency Medical Dispatch centers in two Swedish countiesSpangler, Douglas January 2017 (has links)
Sjuksköterskor vid Sjukvårdens Larmcentral (SvLC) i Uppsala och Västmanlands län hänvisar regelbundet lågakuta patienter som bedöms inte vara i behov av ambulanssjukvård till alternativa vårdformer. I denna studie kopplades patientdata från SvLC till sjukhusregister för att identifiera patienter som besökte en akutmottagning inom 72 timmar efter en hänvisning vid SvLC. Prevalensen av ett antal utfallsmått undersöktes och logistisk regression användes för att fastställa effekten av ett antal variabler. 20% av hänvisade inringare besökte en akutmottaging inom 72 timmar. Av dessa fick 57% vård på specialistnivå och 37% lades in vid en slutenvårdsenhet. 86% av akutmottagningsbesöken gällde det besvär som patienten kontaktade SvLC för. Äldre patienter hänvisades mindre ofta till alternativa vårdformer, men löpte större risk att kräva vård på specialistnivå och läggas in vid sjukhuset till följd av ett akutmottagningsbesök. Samtal med personer som ringde in flera gånger per månad hänvisades oftare av SvLC än patienter med en kontakt under studiens lopp, medan patienter som ringt in endast ett fåtal gånger besökte akutmottagningen oftare och blev där oftare inlagda. Icke-användning av SvLCs beslutsstöd var vanligare bland hänvisade patienter. Uppdrag som avlsutades utan vidare hänvisning till en annan sjukvårdsinstans resulterade mindre ofta i ett akutmottagningsbesök. Prevalensen av akutmottagningsbesök och inläggningar vid sjukhus efter hänvisning liknar nivån som funnits i andra studier av nordisk prehospital triage. Baserat på resultaten från denna studie föreslås ett antal kvalitetsutvecklingsprojekt samt framtida studier. / Nurses working at the Emergency Medical Dispatch (EMD) centers in the Swedish counties of Uppsala and Västmanland routinely refer patients determined to not require an ambulance to non-emergency care. In this study, hospital records were reviewed to match calls to patients visiting an Emergency Department (ED) within 72 hours of being referred to non- emergency care by an EMD nurse. The prevalence of a number of outcomes was examined, and logistic regression models were used to analyze the effects of several variables of interest. 20% of callers referred to non-emergency medical care visited an ED within 72 hours. Of these, 57% received specialist level care, and 37% were admitted to the hospital. 86% of ED visits were found to be in regards to the condition the patient contacted the EMD for. Elderly patients were less likely to be referred to non-emergency care, but more likely to receive specialist care and be admitted. Very frequent callers were more likely to be referred to non-emergency care, while a moderate rate of contact was associated with increased odds of ED visitation and hospital admission from the ED. Non-utilization of the EMDs’ decision support tool was more common among callers referred to non-emergency care. Calls closed by dispatchers without further referral to other healthcare providers were less likely to result in an ED visit. The prevalence of ED visitations and admissions found in this study are similar to those found in other studies of Scandinavian pre-hospital triage, and a number of possibilities for quality improvement and future studies were identified.
|
7 |
Deep Continual Multimodal Multitask Models for Out-of-Hospital Emergency Medical Call Incidents Triage Support in the Presence of Dataset ShiftsFerri Borredà, Pablo 28 March 2024 (has links)
[ES] El triaje de los incidentes de urgencias y emergencias extrahospitalarias representa un reto difícil, debido a las limitaciones temporales y a la incertidumbre. Además, errores en este proceso pueden tener graves consecuencias para los pacientes. Por lo tanto, cualquier herramienta o estrategia novedosa que mejore estos procesos ofrece un valor sustancial en términos de atención al paciente y gestión global de los incidentes.
La hipótesis en la que se basa esta tesis es que el Aprendizaje Automático, concretamente el Aprendizaje Profundo, puede mejorar estos procesos proporcionando estimaciones de la gravedad de los incidentes, mediante el análisis de millones de datos derivados de llamadas de emergencia de la Comunitat Valenciana (España) que abarcan desde 2009 hasta 2019.
Por tanto, esta tesis profundiza en el diseño y desarrollo de modelos basados en Aprendizaje Profundo Multitarea que aprovechan los datos multimodales asociados a eventos de urgencias y emergencias extrahospitalarias. Nuestro objetivo principal era predecir si el incidente suponía una situación de riesgo vital, la demora admisible de la respuesta y si era competencia del sistema de emergencias o de atención primaria. Utilizando datos disponibles entre 2009 y 2012, se observaron mejoras sustanciales en las métricas macro F1, con ganancias del 12.5% para la clasificación de riesgo vital, del 17.5% para la demora en la respuesta y del 5.1% para la clasificación por jurisdicción, en comparación con el protocolo interno de triaje de la Comunidad Valenciana.
Sin embargo, los sistemas, los protocolos de triaje y las prácticas operativas evolucionan de forma natural con el tiempo. Los modelos que mostraron un rendimiento excelente con el conjunto de datos inicial de 2009 a 2012 no demostraron la misma eficacia cuando se evaluaron con datos posteriores que abarcaban de 2014 a 2019. Estos últimos habían sufrido modificaciones en comparación con los anteriores, que dieron lugar a variaciones en las distribuciones de probabilidad, caracterizadas e investigadas meticulosamente en esta tesis.
Continuando con nuestra investigación, nos centramos en la incorporación de técnicas de Aprendizaje Continuo Profundo en nuestros desarrollos. Gracias a ello, pudimos mitigar sustancialmente los efectos adversos consecuencia de los cambios distribucionales sobre el rendimiento. Los resultados indican que, si bien las fluctuaciones de rendimiento no se eliminan por completo, pueden mantenerse dentro de un rango manejable. En particular, con respecto a la métrica F1, cuando las variaciones distribucionales son ligeras o moderadas, el comportamiento se mantiene estable, sin variar más de un 2.5%.
Además, nuestra tesis demuestra la viabilidad de construir herramientas auxiliares que permitan a los operadores interactuar con estos complejos modelos. En consecuencia, sin interrumpir el flujo de trabajo de los profesionales, se hace posible proporcionar retroalimentación mediante predicciones de probabilidad para cada clase de etiqueta de gravedad y tomar las medidas pertinentes.
Por último, los resultados de esta tesis tienen implicaciones directas en la gestión de las urgencias y emergencias extrahospitalarias en la Comunidad Valenciana, al integrarse el modelo final resultante en los centros de atención de llamadas. Este modelo utilizará los datos proporcionados por los operadores telefónicos para calcular automáticamente las predicciones de gravedad, que luego se compararán con las generadas por el protocolo de triaje interno. Cualquier disparidad entre estas predicciones desencadenará la derivación del incidente a un coordinador médico, que supervisará su tratamiento. Por lo tanto, nuestra tesis, además de realizar importantes contribuciones al campo de la Investigación en Aprendizaje Automático Biomédico, también conlleva implicaciones sustanciales para mejorar la gestión de las urgencias y emergencias extrahospitalarias en el contexto de la Comunidad Valenciana. / [CA] El triatge dels incidents d'urgències i emergències extrahospitalàries representa un repte difícil, a causa de les limitacions temporals i de la incertesa. A més, els errors en aquest procés poden tindre greus conseqüències per als pacients. Per tant, qualsevol eina o estratègia innovadora que millore aquests processos ofereix un valor substancial en termes d'atenció al pacient i gestió global dels incidents.
La hipòtesi en què es basa aquesta tesi és que l'Aprenentatge Automàtic, concretament l'Aprenentatge Profund, pot millorar significativament aquests processos proporcionant estimacions de la gravetat dels incidents, mitjançant l'anàlisi de milions de dades derivades de trucades d'emergència de la Comunitat Valenciana (Espanya) que abasten des de 2009 fins a 2019.
Per tant, aquesta tesi aprofundeix en el disseny i desenvolupament de models basats en Aprenentatge Profund Multitasca que aprofiten dades multimodals d'incidents mèdics d'urgències i emergències extrahospitalàries. El nostre objectiu principal era predir si l'incident suposava una situació de risc vital, la demora admissible de la resposta i si era competència del sistema d'emergències o d'atenció primària. Utilitzant dades disponibles entre 2009 i 2012, es van observar millores substancials en les mètriques macro F1, amb guanys del 12.5% per a la classificació de risc vital, del 17.5% per a la demora en la resposta i del 5.1% per a la classificació per jurisdicció, en comparació amb el protocol intern de triatge de la Comunitat Valenciana.
Tanmateix, els protocols de triatge i les pràctiques operatives evolucionen de forma natural amb el temps. Els models que van mostrar un rendiment excel·lent amb el conjunt de dades inicial de 2009 a 2012 no van demostrar la mateixa eficàcia quan es van avaluar amb dades posteriors que abastaven de 2014 a 2019. Aquestes últimes havien sofert modificacions en comparació amb les anteriors, que van donar lloc a variacions en les distribucions de probabilitat, caracteritzades i investigades minuciosament en aquesta tesi.
Continuant amb la nostra investigació, ens vam centrar en la incorporació de tècniques d'Aprenentatge Continu als nostres desenvolupaments. Gràcies a això, vam poder mitigar substancialment els efectes adversos sobre el rendiment conseqüència dels canvis distribucionals. Els resultats indiquen que, si bé les fluctuacions de rendiment no s'eliminen completament al llarg del temps, poden mantenir-se dins d'un rang manejable. En particular, respecte a la mètrica F1, quan les variacions distribucionals són lleugeres o moderades, el comportament es manté estable, sense variar més d'un 2.5%.
A més, la nostra tesi demostra la viabilitat de construir eines auxiliars que permeten als operadors interactuar amb aquests models complexos. En conseqüència, sense interrompre el flux de treball dels professionals, es fa possible proporcionar retroalimentació mitjançant prediccions de probabilitat per a cada classe d'etiqueta de gravetat i prendre les mesures pertinents.
Finalment, els resultats d'aquesta tesi tenen implicacions directes en la gestió de les urgències i emergències extrahospitalàries a la Comunitat Valenciana, al integrar-se el model final resultant als centres d'atenció de telefonades. Aquest model utilitzarà les dades proporcionades pels operadors telefònics per calcular automàticament les prediccions de gravetat, que després es compararan amb les generades pel protocol de triatge intern. Qualsevol disparitat entre aquestes prediccions desencadenarà la derivació de l'incident a un coordinador mèdic, que supervisarà el seu tractament. Per tant, és evident que la nostra tesi, a més de realitzar importants contribucions al camp de la Investigació en Aprenentatge Automàtic Biomèdic, també comporta implicacions substancials per a millorar la gestió de les urgències i emergències extrahospitalàries en el context de la Comunitat Valenciana. / [EN] Triage for out-of-hospital emergency incidents represents a tough challenge, primarily due to time constraints and uncertainty. Furthermore, errors in this process can have severe consequences for patients. Therefore, any novel tool or strategy that enhances these processes can offer substantial value in terms of patient care and overall management of out-of-hospital emergency medical incidents.
The hypothesis upon which this thesis is based is that Machine Learning, specifically Deep Learning, can improve these processes by providing estimations of the severity of incidents, by analyzing millions of data derived from emergency calls from the Valencian Region (Spain) spanning from 2009 to 2019.
Hence, this thesis delves into designing and developing Deep Multitask Learning models that leverage multimodal out-of-hospital emergency medical data. Our primary objective was to predict whether the incident posed a life-threatening situation, the admissible response delay, and whether it fell under the jurisdiction of the emergency system or primary care. Using data available from 2009 to 2012, the results obtained were promising. We observed substantial improvements in macro F1-scores, with gains of 12.5% for life-threatening classification, 17.5% for response delay, and 5.1% for jurisdiction classification, compared to the in-house triage protocol of the Valencian Region.
However, systems, dispatch protocols, and operational practices naturally evolve over time. Models that exhibited excellent performance with the initial dataset from 2009 to 2012 did not demonstrate the same efficacy when evaluated on data spanning from 2014 to 2019. This later dataset had undergone modifications compared to the earlier one, which led to dataset shifts, which we have meticulously characterized and investigated in this thesis.
Continuing our research, we incorporated Deep Continual Learning techniques in our developments. As a result, we could substantially mitigate the adverse performance effects consequence of dataset shifts. The results indicate that, while performance fluctuations are not completely eliminated, they can be kept within a manageable range. In particular, with respect to the F1-score, when distributional variations fall within the light to moderate range, the performance remains stable, not varying by more than 2.5%.
Furthermore, our thesis demonstrates the feasibility of building auxiliary tools that enable dispatchers to interact with these complex deep models. Consequently, without disrupting professionals' workflow, it becomes possible to provide feedback through probability predictions for each severity label class and take appropriate actions based on these predictions.
Finally, the outcomes of this thesis hold direct implications for the management of out-of-hospital emergency medical incidents in the Valencian Region. The final model resulting from our research is slated for integration into the emergency medical dispatch centers of the Valencian Region. This model will utilize data provided by dispatchers to automatically compute severity predictions, which will then be compared with those generated by the in-house triage protocol. Any disparities between these predictions will trigger the referral of the incident to a physician coordinator, who will oversee its handling. Therefore, it is evident that our thesis, in addition to making significant contributions to the field of Biomedical Machine Learning Research, also carries substantial implications for enhancing the management of out-of-hospital emergencies in the context of the Valencian Region. / Ferri Borredà, P. (2024). Deep Continual Multimodal Multitask Models for Out-of-Hospital Emergency Medical Call Incidents Triage Support in the Presence of Dataset Shifts [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/203192
|
Page generated in 0.0855 seconds