救护车呼吁在大流行中使用药物和酒精（尽快） (ASAP)

主要目标是探索在大流行病封锁期间以及接下来的几个月内，涉及酒精和/或物质使用事件的救护车服务出勤率。 这将用于确定患病率并探索患者性别、年龄、种族或地点等因素。 分析将检查锁定前一年中的呼叫，然后将其与锁定期间和接下来的几个月进行比较。

将进行时间序列分析以检查锁定前一年中的呼叫，然后将其与锁定期间和接下来的几个月进行比较。 这将使用“中断时间序列”(ITS) 方法。 为了探索这种回归模型，将建立检查大流行之前出勤率的因果模型，并将其与锁定时间框架进行比较。

将建立多变量回归模型。 最初，有向无环图 (DAG) 将允许识别与模型相关的混杂因素和风险。 与锁定前的数据相比，逻辑回归模型将用于计算锁定期间呼叫的相对风险。 该模型将使用 p<0.05 作为统计显着性的定义来拟合。

将对数据集进行描述性统计、趋势分析和预测分析，以确定随时间变化的趋势、预测需要救护车出勤的患者的因素以及预测治疗结果的因素。 将检查缺失数据的系统偏差，发现随机缺失的数据将被排除在分析之外。 在不存在随机缺失的情况下，进行敏感性分析。

分析将检查协变量。 年龄将定义为单年连续变量，并按 5 岁年龄组等类别进行检查。 种族将被归类为群体，例如黑人、亚洲人、其他少数民族和混合种族群体将被探索。 贫困、农村、收入、就业、残疾和教育等人口普查数据将按照定义的十分位来查看。