目标(年代)院前人群聚集支持系统的院内拥挤效应尚无相关数据。我们的目标是评估2013年鲁昂舰队事件(RAE2013)对急诊部门(ed)的影响,这是法国发生的重大事件。
方法我们进行了一项多中心观察性研究,基于现场(8个急救站)和鲁昂地区5个急诊科的前瞻性数据收集。
主要研究终点是因舰队相关原因(ARR)就诊于急诊科的患者总数。次要终点为:人口统计学、护理途径、最终诊断、护理特征和结局。然后,我们对两个亚组(有院前检查和没有院前检查)进行了集中分析。
结果在现场检查的1261例患者中,246例出现ARR(63%为意外伤害,85%出院回家)。仅有6例患者严重受伤。88%的患者在急诊科需要一些技术支持。在没有院前检查的亚组(49%)中,我们发现主要到私立医院就诊的年轻和本地患者的比例明显更高。在另一个亚组中,我们发现不适的显著率更高,并且更多地使用ED技术支持(生物学,心电图)。
结论: RAE2013院前支持系统有效保护急诊科免于过度拥挤。大多数急诊科就诊都是适当的。本研究强调了为最常见的演示提供足够的现场资源的重要性,以及医院内登记的相关性。
大规模聚集;紧急医疗服务;灾难医学
事件医学的组织依据灾害医学法规[1]。与体育或文化事件相关的悲剧导致制定现场护理标准,以监测和医疗大型事件。大规模集会支持系统需要了解地理、气候、健康人口密度风险[2-5]。区域护理系统需要适应,以保持日常医疗活动。每家医院都有应对与大量受害者涌入有关的特别拥挤的准备计划[5,6]
在法国,每四年一次的无敌舰队活动是一场国际船只会议,在鲁昂市中心的塞纳河沿岸聚集了数百万游客,为期11天。它的规模、持续时间和上座率的波动(晚间音乐会、烟花……)代表了一个真正的医疗挑战,有可能扰乱日常的卫生区域保健系统。鲁昂地区在鲁昂大学医院(公立医疗系统)有2个成人急诊科和1个儿科急诊科,还有2个综合私立急诊科。现场医疗机构包括:一个紧急医疗调度中心(CRRA),配备2名专职医生调遣员;8个急救站(FASs),由来自法国红十字会等多个急救协会的护理提供者提供服务(图1)。只有两个急救站由一个流动急救和复苏单元(SMUR)和一名全科医生完全医疗化。活动现场24小时开放。
图1所示。2013年鲁昂无敌舰队支持系统
对于RAE2013,系统按照国家[7]和国际建议[8]进行设计。护理人员与患者的比例证明,在fasas,每200名患者需要15名医生和护士,根据预计的出勤率,必须在现场部署50至60名急救人员(一个额外的fasas)。
为了监测每次舰队事件,法国公共卫生监测研究所(INVS)进行了一项流行病学研究,该研究基于实时收集的各种到FAS就诊原因的数据,FAS主要用于日常健康警报系统[9,10]。然而,到目前为止,还没有对急诊科进行监测以调整诊断和预后。此外,目前还没有大型事件的ED拥挤预测模型,也没有关于因事件相关原因自发出现ED的患者的研究。
我们决定评估RAE2013对ED拥挤的影响。本研究将分析医院内数据,以评估因舰队相关原因(ARR)就诊的数量和相关性。
6月6日至16日期间进行了一项多中心前瞻性观察研究th, 2013年。
我们进行了两个平行的数据收集:一个在鲁昂地区的8个fas进行,另一个在5个ed进行。我们关注的是因舰队相关原因(ARR)出现在急诊科的患者,无论他们的现场途径如何。
此外,由于一些患者自发出现在急诊科,我们在补充分析中比较了2个亚组患者,有或没有院前检查,以评估急诊科就诊是否更适合那些先前接触过FAS的患者。
在法国公共卫生监测研究所(INVS)的监督下,我们使用基于日常监测指标开发的13项编码网格,收集了来自CRAA电话和8次FAS检查的所有数据。
在5个急诊科中,每一个急诊科都确定了出现ARR的患者。每天填写与FAS中使用的相同的编码网格并将其发送给健康监测单位。我们提供了每位患者的医疗记录,包括社会人口学特征、居住地、最终诊断和结果(住院或出院)、所做的额外检查和所要求的专业建议。
该研究的主要终点是确定因ARR就诊于急诊科的患者总数。
次要终点是描述患者的特征:人口统计学、护理途径(就诊原因、额外检查、医疗护理决定和结果)、护理特征和结果。然后我们比较两个亚组患者(在FAS进行或不进行院前检查),急诊科使用的资源包括心电图、生物学、影像学和专业咨询等。
统计分析
进行基本描述性统计。定性变量以数字和百分比表示,定量变量以平均值和标准差或中位数和四分位数范围表示(对于非正态分布)。采用卡方检验或精确Fisher检验对有院前检查和没有院前检查的患者进行定性变量比较。计算每个变量的优势比及其95%置信区间(95% CI)。使用(参数)Student检验和(非参数)Wilcoxon检验对连续变量的平均值进行比较。数据分析是使用R软件(R Development Core Team 2018)进行的,商定的alpha风险为5%。
道德的考虑
根据最新版本的赫尔辛基宣言,研究方案和患者知情同意程序已获得当地伦理委员会批准(E2019-19)。
对于2013年的RAE2013,估计每天的游客数量在30万到50万之间。民航局共接到388个紧急电话。在FASs检查了1261名患者,其中124名患者被送往急诊室,包括62名救护车撤离(图2)。1名患者被直接转移到心脏重症监护病房(ICU)。2个周末为现场检查高峰,2个周六为501例(40%)。
图2。学习流程图
在FASs, 33%的患者因意外伤害就诊,16%因不适就诊,32%因不明原因就诊,12%因孤立或非孤立的酒精中毒就诊。院前检查由医生进行,占16%。
在急诊科,共有246名患者因ARR就诊(图3)。平均年龄为35岁,69%的患者来自该地区。63%的患者表现为意外伤害,15%为酒精中毒,11%为不适,8%为焦虑、耳鼻喉科、眼科或皮肤病等轻微原因。85%的患者出院回家,6例患者因急性冠状动脉综合征、严重不适、急性呼吸衰竭、癫痫、溺水和酒精昏迷等危重症状接受治疗。没有患者需要插管或死亡。88%的患者在急诊科需要一些技术支持(49%) ED患者未经院前检查自行出现。这些患者年龄较轻,来自本区(p<0.0001),不适程度较低(p= 0.01),主要就诊于私立急诊科(p= 0.001)。在性别和其他医学特征和结果方面没有发现统计学差异。相反,在院前检查的另一个亚组中,我们发现生物学(p=0,0002)和心电图(p=0,04)的比率明显更高,但其他附加检查的比率则没有。成人患者以公立医院为主(p=0.006)。
图3。院内患者特征
在这项工作中,我们评估了RAE2013支持系统对周边应急设施的影响。超过600万的访客,只有246名患者出现在急诊科,对普通急诊科组织的影响很小。由于没有发生灾难,急诊科的日常护理功能正常。RAE2013现场医疗保障和应急拥挤优化管理,检查后疏散率低[11]。保留正常的勃起功能应该有助于更容易地应对意外的灾难情况。
此外,大多数急诊科的访问可以被认为是适当的,特别是当患者在院前检查后被送往急诊科时。
显然,仅凭院前数据很难预测在人群聚集事件期间出现ED的所有患者的数量和特征[12-15]。
许多因素会影响大规模聚会活动中ED的使用:游客数量、人口统计、地理和气候特征、活动持续时间、酒精供应[16]。全球风险指数[6-9]帮助确定了与RAE2013相关的现场供应商的几个风险:靠近水、出场率波动(烟花、音乐会等)、观众类型(家庭、节日)以及与气候相关的风险。尽管离河很近,但很少有瀑布落入水中。活动的天气条件非常有利:在FASs记录到一个高温高峰和一个相关的检查高峰。
现场采集的数据主要是健康监测数据(疫情风险监测等),院内数据反映的是患者的真实需求。利用原始创伤学指标和结果建立医院内登记簿,对于平衡院前数据是必要的。
在我们的研究中,医院内的数据显示轻微创伤表现的发生率很高。这也许可以解释为这样一个事实,即该活动分布在几公里的范围内,游客在鹅卵石上行走,促进意外伤害(脚踝扭伤,伤口,下肢疼痛等)。因此,出现ED的患者主要需要低水平的医学治疗,技术支持的使用数量众多但基本,住院治疗很少。
大多数情况下,当地患者不去现场寻求治疗,而是在私人急诊室就诊,而法国游客则首先到FASs就诊。这可以解释为对附近可用医院的了解差异。在该地区,私人设施以不太拥挤而闻名。最后,无论护理模式如何,结果都是相似的。相反,在院前检查亚组中,我们发现不适、血液检查和心电图的发生率明显更高。这些数据可能是相关的,因为不适的诊断评估通常需要这种额外的检查。我们可以假设院前医生决定疏散不适的患者,以便使用急诊科的技术支持。
然而,我们的研究有一些偏差。首先,向私人医生或专科ED医生(眼科、妇科)就诊的患者不包括在内。其次,缺少患者前往急诊科的运输方式数据(30%),表明cra的一些医疗法规没有收集数据。例如,在没有院前检查的亚组中,至少有40%的患者是由救护车送来的,没有做出疏散决定。
最后,在这个双重流行病学研究中,我们手工输入和编码数据。计算机化可以是促进不同设施之间联网的一种改进。在现场和EDs中进行编码,可以对这类事件的影响进行精确而均匀的分析[17]。此外,对具有快速动力学的异常事件的监测可能受到人工数据输入(数据丢失)的限制。
这项最初的前瞻性研究主要关注医院内数据,表明RAE2013院前支持系统对鲁昂地区急诊科拥挤具有保护作用。大多数急诊科访问是适当的,特别是当患者在院前检查后被送往急诊科时。我们的结果评估了在现场拥有足够的资源来管理最常见的表现的重要性,并强调了医院内登记的相关性,而不是基于预防保健系统的目标,以便调整诊断和结果数据。这些结果将使我们能够预测即将到来的鲁昂无敌舰队活动的监测情况。
所有作者没有利益冲突需要申报,包括财务、顾问、机构和其他可能导致偏见的关系。
然而,提交人VEL透露,她偶尔会收到蒙蒂制药公司提供的参加国内和国际会议的旅费补助。
我们感谢Nikki Sabourin-Gibbs提供的医学写作支持和编辑协助。
JD和MT构思了研究设计并撰写了手稿。LMJ是这项研究的科学参考,并对手稿进行了严格的修改。MR, ALS和VEL撰写并修改了最终手稿。所有作者都阅读并批准了最终稿件。
- 世卫组织(2015年):大型集会的公共卫生:主要考虑因素,世界卫生组织。
- Locoh-Donou S, Yan G, Berry T, O 'Connor R, Sochor M等。(2016)群体聚集医学:事件因素预测患者就诊率。急诊医师实习生11: 745 - 752。
- 李建军,李建军,李建军,等。(2014)大规模聚集性健康研究基础理论:第1部分:大规模聚集性人群模型。院前灾难医疗29日:648 - 654。
- Turris SA, Lund A, Hutton A, Bowles R, Ellerson E等。(2014)大规模集会健康研究基础理论:第2部分-大规模集会事件建模。院前灾难医疗29日:655 - 663。
- http://www.samu-urgences-de-france.fr/medias/files/155/794/sudf_1407_reco_rassemblements.pdf
- SFMU建议(2010)人群聚集与医疗事件管理。为Soc急诊医学.
- https://www.secourisme.net/IMG/pdf/RNMSC-DPS.pdf
- http://www.femede.org/docs/REFERENTIELMEDICAL.pdf
- http://invs.santepubliquefrance.fr/publications/2004/armada_rouen/index.html
- http://invs.santepubliquefrance.fr/fr/Publications-et-outils/Rapports-et-syntheses/Populations-et-sante/2014/Bilan-et-evaluation-de-la-surveillance-sanitaire-de-l-Armada-de-Rouen-edition-2013
- Grange JT, Baumann GW, Vaezazizi R(2003)现场医生减少了大型集会的救护车运输。急救护理7:322-326。
- Hartman N, Williamson A, Sojka B, Alibertis K, Sidebottom M等。(2009)基于简化分层评分模型的大规模集会资源利用预测。中华医学杂志27:37 -343。
- Zeitz KM, Zeitz CJ, Arbon P(2005)在人群聚集事件中预测医疗工作:预测模型与回顾性评价。院前灾难医学20:164-168。
- Arbon P, Bottema M, Zeitz K, Lund A, Turris S等。(2018)预测大型聚会患者呈现率的非线性模型。院前灾难医疗33: 362 - 367。
- DeMott JM, Hebert CL, Novak M, Mahmood S, Peksa GD(2018)人群聚集事件患者就诊特征及资源利用。我是新兴医学吗983 - 987。
- Milsten AM, Seaman KG, Liu P, Bissell RA, Maguire BJ(2003)影响医疗使用率、伤害模式和大型集会护理水平的变量。院前灾难医疗18:34 -346。
- Lund A, Turris SA, Amiri N, Lewis K, Carson M(2012)大规模聚集医学:在线事件和患者登记的创建。院前灾难医疗27日:601 - 611。