The association between paramedic service system hospital offload time and response time.
Emergency Medical Services
Hospital time
Offload time
Paramedic
Response time
Journal
CJEM
ISSN: 1481-8043
Titre abrégé: CJEM
Pays: England
ID NLM: 100893237
Informations de publication
Date de publication:
09 2023
09 2023
Historique:
received:
28
11
2022
accepted:
30
04
2023
medline:
12
9
2023
pubmed:
20
5
2023
entrez:
19
5
2023
Statut:
ppublish
Résumé
To address an important care issue in Canada, we tested the association between paramedic system hospital offload and response time, while considering the impact of other system-level factors. Data from Calgary, Alberta (2014-2017), included median offload (exposure) and response (outcome) time aggregated by hour, with covariates paramedic system episodes of care-dispatch and arrival of a response unit-and hospital transport arrivals (collectively called volume), time of day, and season. Analyses used linear regression and modified Poisson models. 301,105 EMS episodes of care over 26,193 1-h periods were included. For any given 1-h period, the median (IQR) across all episodes of care for offload time, response time, episodes of care, and hospital transport arrivals were 55.3 (45.7, 66.3) min, 8.6 (7.6, 9.8) min, 12 (8, 16) episodes, and 8 (5, 10) hospital arrivals, respectively. Multivariable modelling revealed a complex association differing over levels of exposure and covariates, requiring description using "light stress" and "heavy stress" system scenarios. The light scenario was defined as median offload of 30 min and volume < 10th percentile (six episodes and four hospital arrivals), in the summer, and the heavy scenario as median offload of 90 min and volume > 90th percentile (17 episodes and 13 hospital arrivals), in the winter. An increase is reported in minutes:seconds for median hourly response time between scenarios by time of day: 1:04-4:16 (0000-0559 h.), 0:42-2:05 (0600-1159 h.), 0:57-3:01 (1200-1759 h.), and 0:18-2:21 (1800-2359 h.). Increasing offload is associated with increased response time; however the relationship is complex, with a greater impact on response time noted in select situations such as high volume in the winter. These observations illustrate the interdependence of paramedic, ED, and inpatient systems and provide high-yield targets for polices to mitigate the risk to community availability of paramedic resources at times of high offload delay/system stress. OBJECTIF: Afin de régler un problème important de soins au Canada, nous avons testé l’association entre le déchargement du système paramédical et le temps de réponse, tout en tenant compte de l’incidence d’autres facteurs au niveau du système. MéTHODES: Les données de Calgary, en Alberta (2014-2017) incluent le temps médian de déchargement (exposition) et de réponse (résultat) agrégé par heure, qui s’agit co-variables épisodes de soins du système paramédical - répartition et arrivée d’une unité d’intervention - et arrivées de transport hospitalier (collectivement appelé volume), l’heure et la saison. Les analyses ont utilisé la régression linéaire et des modèles de Poisson modifiés. RéSULTATS: 301105 épisodes de soins médicaux d’urgence sur 26193 périodes d’une heure ont été inclus. Pour une période d’une heure donnée, la médiane (QRI) pour tous les épisodes de soins pour le temps de déchargement, le temps de réponse, les épisodes de soins et les arrivées par transport à l’hôpital était de 55,3 (45,7, 66,3) minutes, 8,6 (7,6, 9,8) minutes, 12 (8, 16) épisodes et 8 (5, 10) arrivées à l’hôpital, respectivement. La modélisation multi-variable a révélé une association complexe qui varie selon les niveaux d’exposition et les co-variables, et qui nécessite une description à l’aide de scénarios de systèmes de « stress léger » et de « stress lourd ». Le scénario léger a été défini comme un déchargement médian de 30 minutes, volume inférieur au 10e percentile (six épisodes et quatre arrivées à l’hôpital), pendant l’été. Le scénario lourd comme déchargement médian de 90 minutes, volume > 90e percentile (17 épisodes et 13 arrivées à l’hôpital), en hiver. Une augmentation est rapportée en minutes: secondes pour le temps de réponse horaire médian entre des scénarios par heure du jour : 1:04-4:16 (0000-0559 h.), 0:42-2:05 (0600-1159 h.), 0:57-3:01 (1200-1759 h.), et 0:18-2:21 (1800-2359 h.). L’augmentation du déchargement est associée à une augmentation du temps de réponse, mais la relation est complexe, avec un impact plus important sur le temps de réponse noté dans certaines situations, comme un volume élevé en hiver. Ces observations illustrent l’interdépendance des systèmes paramédicaux, des services d’urgence et des services aux patients hospitalisés et fournissent des cibles à haut rendement pour les politiques afin d’atténuer le risque pour la disponibilité des ressources paramédicales dans la collectivité en période de retard élevé ou de stress systémique.
Autres résumés
Type: Publisher
(fre)
OBJECTIF: Afin de régler un problème important de soins au Canada, nous avons testé l’association entre le déchargement du système paramédical et le temps de réponse, tout en tenant compte de l’incidence d’autres facteurs au niveau du système. MéTHODES: Les données de Calgary, en Alberta (2014-2017) incluent le temps médian de déchargement (exposition) et de réponse (résultat) agrégé par heure, qui s’agit co-variables épisodes de soins du système paramédical - répartition et arrivée d’une unité d’intervention - et arrivées de transport hospitalier (collectivement appelé volume), l’heure et la saison. Les analyses ont utilisé la régression linéaire et des modèles de Poisson modifiés. RéSULTATS: 301105 épisodes de soins médicaux d’urgence sur 26193 périodes d’une heure ont été inclus. Pour une période d’une heure donnée, la médiane (QRI) pour tous les épisodes de soins pour le temps de déchargement, le temps de réponse, les épisodes de soins et les arrivées par transport à l’hôpital était de 55,3 (45,7, 66,3) minutes, 8,6 (7,6, 9,8) minutes, 12 (8, 16) épisodes et 8 (5, 10) arrivées à l’hôpital, respectivement. La modélisation multi-variable a révélé une association complexe qui varie selon les niveaux d’exposition et les co-variables, et qui nécessite une description à l’aide de scénarios de systèmes de « stress léger » et de « stress lourd ». Le scénario léger a été défini comme un déchargement médian de 30 minutes, volume inférieur au 10e percentile (six épisodes et quatre arrivées à l’hôpital), pendant l’été. Le scénario lourd comme déchargement médian de 90 minutes, volume > 90e percentile (17 épisodes et 13 arrivées à l’hôpital), en hiver. Une augmentation est rapportée en minutes: secondes pour le temps de réponse horaire médian entre des scénarios par heure du jour : 1:04-4:16 (0000-0559 h.), 0:42-2:05 (0600-1159 h.), 0:57-3:01 (1200-1759 h.), et 0:18-2:21 (1800-2359 h.).
Identifiants
pubmed: 37208561
doi: 10.1007/s43678-023-00521-2
pii: 10.1007/s43678-023-00521-2
doi:
Types de publication
Journal Article
Langues
eng
Sous-ensembles de citation
IM
Pagination
736-741Commentaires et corrections
Type : CommentIn
Informations de copyright
© 2023. The Author(s), under exclusive licence to Canadian Association of Emergency Physicians (CAEP)/ Association Canadienne de Médecine d'Urgence (ACMU).
Références
Li M, Vanberkel P, Carter AJE. A review on ambulance offload delay literature. Health Care Manag Sci. 2019;22:658–75.
doi: 10.1007/s10729-018-9450-x
pubmed: 29982911
Affleck A, Parks P, Drummond A, Rowe BH, Ovens HJ. Emergency department overcrowding and access block. CJEM. 2013;15(6):359–84.
doi: 10.1017/S1481803500002451
pubmed: 24176460
Grunau B, Kawano T, Scheuermeyer F, Tallon J, Reynolds J, Besserer F, et al. Early advanced life support attendance is associated with improved survival and neurologic outcomes after non-traumatic out-of-hospital cardiac arrest in a tiered prehospital response system. Resuscitation. 2019;135:137–44.
doi: 10.1016/j.resuscitation.2018.12.003
pubmed: 30576783
Blanchard I, Patel A, Yergens D, Chisholm D, Lane D, Couperthwaite A, et al. A systematic reivew of the asssociation between EMS response time and mortality: abstracts for the 2016 NAEMSP scientific assembly. Prehosp Emerg Care. 2016;20(1):137–73.
doi: 10.3109/10903127.2015.1094161
Innes G. Accountability: a magic bullet for emergency care delays and healthcare access blocks. Healthc Manage Forum. 2018;31(5):172–7.
doi: 10.1177/0840470418764188
pubmed: 30133314
Cooney DR, Millin MG, Carter A, Lawner BJ, Nable JV, Wallus HJ. Ambulance diversion and emergency department offload delay: resource document for the national association of EMS physicians position statement. Prehosp Emerg Care. 2011;15(4):555–61.
doi: 10.3109/10903127.2011.608871
pubmed: 21870947
Hoot NR, Aronsky D. Systematic review of emergency department crowding: causes, effects, and solutions. Ann Emerg Med. 2008;52(2):126–36.
doi: 10.1016/j.annemergmed.2008.03.014
pubmed: 18433933
pmcid: 7340358
Hennekens C. Epidemiology in medicine. Toronto, Canada: Little Brown and Company; 1987.
Do YK, Foo K, Ng YY, Ong ME. A quantile regression analysis of ambulance response time. Prehosp Emerg Care. 2013;17(2):170–6.
doi: 10.3109/10903127.2012.729127
pubmed: 23216450
Vittinghoff E, Glidden DV, Shiboski SC, McCulloch CE. Regression Methods in biostatistics. New York, NY, USA: Springer Sciences; 2005.