Analýza způsobu hodnocení stavu pacienta v přednemocniční péči z dat výjezdů zdravotnické záchranné služby

Abstract

Diplomová práce shrnuje základní poznatky z oblasti fungování přednemocniční péče zdravotnické záchranné služby a popisuje jednotlivé fáze záchranného řetězce z pohledu dějové i datové posloupnosti. Popisuje aplikační vrstvy používané na zdravotnickém operačním středisku a posádkách záchranných složek. Ve všech těchto vrstvách je získáváno velké množství dat, která jsou uchovávána. V praktické části jsou data, která je možné klasifikovat a porovnávat, exportována z databází zdravotnické záchranné služby a následně zpracována v aplikačním prostředí Matlab. Do této skupiny spadají hodnoticí a klasifikační škály charakterizující stav pacienta v jednotlivých záchranných fázích. Data jsou následně vizualizována, podrobena analýzám, možným závislostem a jsou modelovány vzájemné vazby. V rámci postupující digitalizace a automatizace v oblasti záchranné služby, důležitost těchto dat stále narůstá. Je možné s těmito hromadnými daty pracovat s cílem odhalit užitečné informace pro efektivnější práci operátorů a pracovníků zdravotnické záchranné služby.

The diploma thesis summarizes the basic knowledge in the field of pre-hospital care of the emergency medical service and describes the various stages of the rescue chain in terms of storyline and data sequence. Describes the application layers used at the medical operating center and rescue crews. In all these layers, a large amount of data is retrieved and stored. In the practical part, the data that can be classified and compared are exported from the databases of the emergency medical service and then processed in the Matlab application environment. This group includes evaluation and classification scales characterizing the patient's condition in individual rescue phases. The data are then visualized, analyzed, possible dependencies and interrelationships are modeled. As part of the advancing digitization and automation in the field of emergency services, the importance of this data is growing. It is possible to work with this aggregate data in order to reveal useful information for more efficient work of operators and emergency medical staff.