There were 48,308 included transpor

There were 48,308 included transports. Street network estimates of transport time were accurate within 5 minutes of actual transport time less than 16% of the time. Actual transport times were longer during daylight and rush-hour intervals and shorter with use of lights and sirens. Age under 18 years, gender, wet weather, and trauma system entry were not significant predictors of transport time. Our model predicted arrival time within 5 minutes 73% of the time. For lights and sirens transports, accuracy was within 5 minutes 77% of the time. Accuracy was identical in the validation dataset. Lights and sirens saved an average of 3.1 minutes for transports under 8.8 minutes, and 5.3 minutes for longer transports.
CONCLUSIONS:
An estimate of transport time based only on a street network significantly underestimated transport times. A simple model incorporating few variables can predict ambulance time of arrival to the emergency department with good accuracy. This model could be linked to global positioning system data and an automated Google Maps web application to optimize emergency department resource use. Use of lights and sirens had a significant effect on transport times

ผลลัพธ์ (ไทย) 1:

48,308 การขนส่งรวมได้ การประเมินเครือข่ายถนนขนส่งเวลาได้ถูกต้องภายใน 5 นาทีน้อยกว่า 16% แล้วเวลาขนส่งจริง เวลาขนส่งจริงได้อีกต่อไปในระหว่างช่วงเวลาตามฤดูกาลและชั่วโมงเร่งด่วน และสั้น ด้วยการใช้ไฟและไซเรนส์ อายุต่ำกว่า 18 ปี เพศ สภาพอากาศที่เปียก และรายการระบบบาดเจ็บไม่สำคัญ predictors เวลาขนส่ง รุ่นของเราคาดการณ์เวลาที่มาถึงภายใน 5 นาที 73% ของเวลา สำหรับไฟและไซเรนส์ขนส่ง ความถูกต้องได้ภายใน 5 นาที 77% ของเวลา เหมือนในชุดข้อมูลตรวจสอบความถูกต้องได้ ไฟและไซเรนส์บันทึกเฉลี่ยนาที 3.1 สำหรับการขนส่งต่ำกว่า 8.8 นาที และ 5.3 นาทีสำหรับการขนส่งอีกต่อไปบทสรุป:การประเมินเวลาที่ขนส่งโดยเฉพาะบนถนนเครือข่ายอย่าง underestimated เวลาขนส่ง แบบง่าย ๆ อีกทั้งยังมีตัวแปรน้อยสามารถทำนายเวลารถพยาบาลมาถึงแผนกฉุกเฉิน มีความแม่นยำดี รุ่นนี้สามารถเชื่อมโยงข้อมูลระบบการระบุตำแหน่งทั่วโลกและโปรแกรมประยุกต์เว็บ Google Maps แบบอัตโนมัติเพื่อเพิ่มประสิทธิภาพการใช้ทรัพยากรของแผนกฉุกเฉิน ใช้ไฟเรนส์มีผลสำคัญในเวลาขนส่ง

ผลลัพธ์ (ไทย) 2:

มี 48,308 เป็นปลื้มรวม ประมาณการเครือข่ายถนนของเวลาการขนส่งที่ถูกต้องภายใน 5 นาทีของเวลาการขนส่งที่เกิดขึ้นจริงน้อยกว่า 16% ของเวลา เวลาการขนส่งที่เกิดขึ้นจริงอีกต่อไปในช่วงกลางวันและช่วงชั่วโมงเร่งด่วนและสั้นที่มีการใช้ไฟและเสียงไซเรน อายุต่ำกว่า 18 ปี, เพศสภาพอากาศที่เปียกและระบบการบาดเจ็บเข้าไม่ได้ทำนายที่สำคัญของเวลาการขนส่ง แบบจำลองของเราคาดการณ์เวลาถึงภายใน 5 นาที 73% ของเวลา สำหรับไฟไซเรนและการบริการที่ถูกต้องเป็นภายใน 5 นาที 77% ของเวลา ความถูกต้องก็เหมือนกับในชุดข้อมูลที่ตรวจสอบ ไฟไซเรนและบันทึกไว้เฉลี่ย 3.1 นาทีสำหรับการขนส่งภายใต้ 8.8 นาทีและ 5.3 นาทีสำหรับการขนส่งอีกต่อไป.
สรุป
ประมาณการของเวลาการขนส่งขึ้นอยู่เฉพาะในเครือข่ายถนนอย่างมีนัยสำคัญประเมินครั้งการขนส่ง รูปแบบที่เรียบง่ายผสมผสานตัวแปรไม่กี่สามารถทำนายเวลารถพยาบาลมาถึงที่แผนกฉุกเฉินที่มีความแม่นยำที่ดี รุ่นนี้อาจจะมีการเชื่อมโยงกับระบบข้อมูลตำแหน่งทั่วโลกและโดยอัตโนมัติโปรแกรมเว็บ Google Maps เพื่อเพิ่มประสิทธิภาพการใช้ทรัพยากรแผนกฉุกเฉิน การใช้ไฟและเสียงไซเรนมีผลกระทบอย่างมีนัยสำคัญในการขนส่งครั้ง

ผลลัพธ์ (ไทย) 3:

มี 48308 รวมการขนส่ง ถนนเครือข่ายประมาณการเวลาขนส่งได้ถูกต้องภายในเวลาการขนส่งจริงน้อยกว่า 16 % ในเวลา 5 นาที เวลาการขนส่งจริงยาวในช่วงกลางวันและรีบเร่งชั่วโมงและช่วงสั้น ด้วยการใช้ไฟและไซเรน อายุต่ำกว่า 18 ปี เพศ สภาพอากาศเปียก และระบบรายการอุบัติเหตุไม่ใช่ตัวแปรสําคัญของเวลาการขนส่งแบบจำลองทำนายเวลาเดินทางมาถึงภายใน 5 นาที 73 เปอร์เซ็นต์ของเวลา สำหรับไฟและไซเรนขนส่ง ความถูกต้องคือภายใน 5 นาที 77 เปอร์เซ็นต์ของเวลา ความถูกต้องในการตรวจสอบข้อมูลที่เหมือนกัน . ไฟและไซเรนช่วยเฉลี่ย 3.1 นาทีสำหรับการขนส่งภายใต้ 8.8 นาทีและ 5.3 นาทีสำหรับการเดินทางอีกต่อไป .

สรุปค่าประมาณของเวลาการขนส่งที่ใช้เฉพาะในเครือข่ายการขนส่งทางถนนประมาทครั้ง ง่ายแบบผสมผสานตัวแปรไม่กี่สามารถทำนายรถพยาบาลมาถึงไปแผนกฉุกเฉินด้วยความถูกต้องดี รุ่นนี้อาจจะเชื่อมโยงกับข้อมูลระบบตำแหน่งทั่วโลกและโดยอัตโนมัติ Google Maps โปรแกรมเว็บเพื่อเพิ่มประสิทธิภาพการใช้ทรัพยากรของแผนกฉุกเฉินใช้ไฟและไซเรนมีผลต่อเวลาขนส่ง