Faktorenanalyse der medizinischen Notfallversorgung von Fahrern bei Verkehrsunfällen basierend auf Random Forest

In dieser Studie wurde unter Verwendung von Daten des Feuerwehr-Sicherheits-Big-Data-Plattform über Rettungseinsätze eine Random-Forest-basierte Analyse der Einflussfaktoren auf den Rettungsstatus von Fahrern nach Verkehrsunfällen durchgeführt, um die strukturellen Merkmale des Rettungsbedarfs zu untersuchen. Während bisherige Studien sich meist auf die Ursachen von Verkehrsunfällen oder die Analyse der Unfallschwere beschränkten und dadurch die tatsächlichen Abläufe der vom Rettungssystem getragenen Reaktionen nicht hinreichend abbildeten, umfasst diese Untersuchung den gesamten Prozess von Rettungseinsatz, Erstversorgung vor Ort bis hin zum Transport. Die Analyse ergab, dass leichte und mittelschwere Verletzungen wie Rückenschmerzen und andere Schmerzen, unabhängig vom Unfallausmaß, signifikant zur Erhöhung der Rettungseinsätze beitragen und städtische Gebiete als räumliche Faktoren strukturell hohe Rettungsnachfrage aufweisen. Im Gegensatz dazu wurden schwere Traumata und Herzstillstand trotz geringer Häufigkeit als Hochrisikofaktoren identifiziert, die einen hohen Einsatz an Notfallressourcen erfordern. Die auf Random Forest basierende Analyse der Variablengewichtung zeigte eine mehrschichtige Struktur, in der Patienten-Symptome, städtische Umweltfaktoren und allgemeine Rettungsaktivitäten interagieren und gemeinsam die Rettungsnachfrage bestimmen. Diese Ergebnisse weisen auf die Notwendigkeit politischer Verbesserungen hin, wie zum Beispiel die Stärkung allgemeiner Rettungsteams für leicht Verletzte, die Umverteilung von Rettungsressourcen in städtischen Gebieten, die Weiterentwicklung von Systemen zur Versorgung schwerer Traumata sowie die Entwicklung von Strategien für die vorrückende Stationierung von Rettungskräften unter Berücksichtigung von Tageszeit- und Wochentagseigenschaften.