BackgroundMajor incidents are characterized by a lack of resources compared to an overwhelming number of casualties, requiring a prioritization of medical treatment. Triage algorithms are an essential tool for prioritizing the urgency of treatment for patients, but the evidence to support one over another is very limited. We determined the influence of blood pressure limits on the diagnostic value of triage algorithms, considering if pulse should be palpated centrally or peripherally.MethodsWe used a database representing 500 consecutive HEMS patients. Each patient was allocated a triage category (T1/red, T2/yellow, T3/green) by a group of experienced doctors in disaster medicine, independent of any algorithm. mSTaRT, ASAV, Field Triage Score (FTS), Care Flight (CF), “Model Bavaria” and two Norwegian algorithms (Nor and TAS), all containing the question “Pulse palpable?”, were translated into Excel commands, calculating the triage category for each patient automatically. We used 5 blood pressure limits ranging from 130 to 60 mmHg to determine palpable pulse. The resulting triage categories were analyzed with respect to sensitivity, specificity and Youden Index (J) separately for trauma and non-trauma patients, and for all patients combined.ResultsFor the entire population of patients within all triage algorithms the Youden Index (J) was highest for T1 (J between 0,14 and 0,62). Combining trauma and non-trauma patients, the highest J was obtained by ASAV (J = 0,62 at 60 mmHg). ASAV scored the highest within trauma patients (J = 0,87 at 60 mmHg), whereas Model Bavaria (J = 0,54 at 80 mmHg) reached highest amongst non-trauma patients. FTS performed worst for all patients (J = 0,14 at 60 mmHg), showing a lower score for trauma patients (J = 0,0 at 60 mmHg). Change of blood pressure limits resulted in different diagnostic values of all algorithms.DiscussionWe demonstrate that differing blood pressure limits have a remarkable impact on diagnostic values of triage algorithms. Further research is needed to determine the lowest blood pressure value that is possible to palpate at a peripheral artery compared to a central artery.ConclusionAs a consequence, it might be important in which location pulses are palpated according to the algorithm at hand during triage of patients.
Zusammenfassung Hintergrund Die COVID-19-Pandemie zeichnet sich durch einen sich langsam aufbauenden Bedarf von Ressourcen des Gesundheitswesens mit lokalen Hotspots aus und erzeugt dadurch enorme Probleme. Für die Krankenhäuser liegt eine der größten Herausforderungen in der Vorhaltung von Bettenkapazitäten, insbesondere da der Bedarf schwer vorherzusehen ist. Fragestellung Um den Entscheidungsträgern eine Hilfestellung zu geben, wurden mehrere simulationsbasierte Prognosen für die benötigte Bettenkapazität am Universitätsklinikum Augsburg durchgeführt, um bei variablen Pandemieverläufen die benötigten Bettenkapazitäten abschätzen zu können. Methode Als Input dienen aktuelle Erkenntnisse über den Verlauf der Ausbreitung, insbesondere die Wachstumsrate an kumulierten Neuinfektionen pro Tag. Zur Abbildung von Unsicherheit werden mittels Verteilungsfunktionen, basierend auf Realdaten der Wachstumsrate, die Verweildauer sowie der Anteil der hospitalisierten COVID-19-Patienten im Einzugsgebiet modelliert. Im Anschluss erfolgt eine Monte-Carlo-Simulation, die eine Abschätzung der benötigten Bettenkapazitäten für mehrere Tage in der Zukunft erlaubt. Ergebnisse Mithilfe von mehreren simulationsbasierten Kapazitätsprognosen im Zeitraum vom 28.03.2020 bis zum 08.06.2020 konnte die benötigte Intensiv- und Normalbettenkapazität am Universitätsklinikum Augsburg sowie im Rettungsdienstbereich Augsburg mit einer hohen Zuverlässigkeit prognostiziert werden. Schlussfolgerung Mithilfe des entwickelten Simulationsmodells zur Abschätzung der benötigten Bettenkapazität kann den Kliniken und dem Katastrophenschutz eine Hilfestellung zur Abschätzung der kurzfristigen Entwicklung des Kapazitätsbedarfs für Verdachtsfälle sowie bestätigte COVID-19-Patienten gegeben werden. Der operative Einsatz der Methode am Universitätsklinikum Augsburg zeigte verlässliche Ergebnisse.
enthält eine Übersicht über die erstellten Variationen der Vorsichtungsalgorithmen mSTaRT, ASAV und 3 PRIOR. Beitrag und Zusatzmaterial stehen Ihnen auf www. springermedizin.de zur Verfügung. Bitte geben Sie dort den Beitragstitel in die Suche ein, das Zusatzmaterial finden Sie beim Beitrag unter "Ergänzende Inhalte".
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.