시뮬레이션된 대량 사상자 사고에서 10초 분류 대 시브 방법이 분류 성능에 미치는 영향

활성 비교기: 체

대조군에는 Sieve triage 알고리즘이 제공됩니다.

다른: 체 거름 알고리즘

사이브(NARU) 분류 알고리즘은 국가 구급대원 회복력 유닛(NARU)이 개발 및 보급한 대규모 인명 피해 사건 시 사용되는 구조화된 1차 분류 방법입니다. 이 알고리즘은 단순한 생리학적 기준을 바탕으로 대규모 환자를 신속하게 분류하도록 설계되었습니다.

사이브 알고리즘은 걸을 수 있는 능력, 호흡 상태 및 속도, 순환(생명을 위협하는 출혈 징후 포함)에 초점을 맞춘 단계별 평가를 따릅니다. 그런 다음 환자는 표준 분류 범주(즉시, 긴급, 지연 또는 사망)에 할당됩니다.

사이브는 분류 결정의 일관성과 재현성을 강조하며, 자원이 제한된 상황에서 안전한 우선순위 지정을 지원하기 위해 병원 전 재난 대응 및 훈련에서 널리 사용됩니다.

실험적: TST

실험군에 Ten Seconde Triage 알고리즘이 제공됩니다

다른: 10초 트리아지 알고리즘

10초 분류(TST)는 대규모 인명 피해 사고 시 사용하기 위해 설계된 신속한 1차 분류 알고리즘입니다. 이 알고리즘은 구급대원이 즉시 관찰 가능한 소수의 임상 징후를 기반으로 약 10초 내에 환자를 평가하고 분류할 수 있도록 하는 것을 목표로 합니다.

이 알고리즘은 걸을 수 있는 능력, 주요 외부 출혈의 유무, 기도 상태, 호흡 효율성, 의식 수준과 같은 핵심 생명 구명 지표에 중점을 둡니다. 이러한 발견을 바탕으로 환자는 표준 분류 범주(예: 즉시, 긴급, 지연, 또는 사망)에 할당됩니다.

TST는 자원이 제한되고 많은 피해자가 동시에 평가가 필요한 상황에서 신속한 의사 결정을 지원하기 위해 속도와 단순성을 우선시합니다.

분류 정확도 (분류 점수)

분류 정확도는 각 참가자가 두 가지 시뮬레이션된 대규모 사상자 시나리오(총 34명의 환자)에서 내린 올바른 분류 결정의 비율로 정의됩니다.

각 시뮬레이션된 환자에 대해 참가자는 다음과 같은 점수를 받습니다: 올바른 분류 결정에는 1점(잘못된 결정에는 0점).

분류 결정은 할당된 우선 순위 범주가 HUMAn 동적 시뮬레이션 모델을 기반으로 한 시뮬레이션된 환자의 예상 임상 경과와 일치할 경우 올바른 것으로 간주됩니다(즉, 즉각적인 치료가 필요한 환자와 그렇지 않은 환자의 정확한 식별, 사망한 환자의 적절한 분류 포함).

주요 종료점은 참가자당 총 분류 점수(범위 0-34)로, 두 시나리오에서의 올바른 결정을 합산하여 계산됩니다.

응급 분류 소요 시간

시뮬레이션 플랫폼 내에서 첫 환자 접촉 시점부터 최종 분류 결정까지 자동으로 측정된, 각 시뮬레이션 환자에게 분류 범주를 할당하는 데 필요한 시간입니다. 결과는 환자당 평균 분류 시간 및/또는 참가자당 평균 분류 시간으로 분석됩니다.

과잉분류율

참조 표준(HUMAn 시뮬레이션 모델)에 따라 임상적으로 지시된 것보다 높은 우선순위 범주에 배정된 환자의 비율. 참가자당 총 분류 결정의 백분율로 표현됩니다.

저분류율

참조 표준에 따라 임상적으로 지시된 것보다 낮은 우선순위 범주로 배정된 환자의 비율. 참가자별 총 분류 결정의 백분율로 표현됩니다.

사용자 만족도와 인지된 사용 편의성

참가자가 보고한 할당된 분류 알고리즘 평가로, 시뮬레이션 후 설문조사를 사용하여 측정됨(예: 명확성, 적용 용이성, 전반적 만족도를 1점 "매우 불만족/전혀 명확하지 않음/적용하기 매우 어려움"에서 5점 "매우 만족/절대적으로 명확함/적용하기 매우 쉬움"의 척도로 평가하는 리커트 척도 항목).