Presentation of the Prehospital Emergency Research Network and an analysis of bibliometric indicators for scientific productivity in out-of-hospital care. / Presentación de la Red de Investigación en Emergencias Prehospitalarias (RINVEMER) y análisis bibliométrico de la producción científica en emergencias prehospitalarias.

TEXT: Through research we advance scientific understanding and its application in medical practice. Many of the advances in out-of-hospital emergency care are extracted from hospital settings, perhaps because of the difficulties inherent to our prehospital environments: heterogeneity, obstacles to data collection, biases not controlled for, among other limitations. Research networks offer opportunities to create connections among researchers and facilitate homogeneous data collection. We introduce the Prehospital Emergency Research Network (whose Spanish acronym is RINVEMER) and analyze bibliometric indicators of Spanish productivity in this specialty. Since 1975, a total of 512 articles have been published in journals with impact factors by 381 authors working in Spanish prehospital settings. The first such article published after the creation of the Web of Science appeared in 1999. The 61 authors affiliated with the emergency health services of Andalusia, a public company, made up the largest single author group. Publication productivity increased substantially in the last 2 years. A total of 63 PhD theses have been registered in this specialty - 8 of them at the University of Oviedo. With the growth of Spanish out-of-hospital research in recent years, we expect the creation of the RINVEMER network to improve collaboration among our researchers.

TEXTO: La investigación permite mejorar el conocimiento científico y su aplicación a la práctica profesional. En la asistencia extrahospitalaria, muchos de los avances provienen de entornos hospitalarios, quizás debido a dificultades inherentes al entorno extrahospitalario (heterogeneidad, dificultad en la recogida de datos, sesgos no controlados). Las redes de investigación permiten, entre otras cosas, la interconexión de distintos investigadores y la homogenización en la recogida de datos. En este artículo presentamos la Red de Investigación en Emergencias Prehospitalarias (RINVEMER) y los resultados de un análisis bibliométrico de la producción científica en emergencias prehospitalarias en España. Desde 1975 se han publicado 512 trabajos en revistas indexadas en la Web of Science (el primero en 1999), realizados por 381 investigadores españoles del ámbito de las emergencias prehospitalarias [máximo en Empresa Pública de Emergencias Sanitarias (EPES) de Andalucía, con 61 autores], con un claro incremento en los últimos 2 años. Además, se han realizado 63 tesis doctorales (máximo en Universidad de Oviedo, con 8). La producción científica en emergencias extrahospitalarias en España ha crecido sustancialmente en los últimos años, y la creación de RINVEMER permitirá mejorar las interconexiones entre los investigadores.

Presentación de la Red de Investigación en Emergencias Prehospitalarias (RINVEMER) y análisis bibliométrico de la producción científica en emergencias prehospitalarias / Presentation of the Prehospital Emergency Research Network and an analysis of bibliometric indicators for scientific productivity in out-of-hospital care

La investigación permite mejorar el conocimiento científico y su aplicación a la práctica profesional. En la asistencia extrahospitalaria, muchos de los avances provienen de entornos hospitalarios, quizás debido a dificultades inherentes al entorno extrahospitalario (heterogeneidad, dificultad en la recogida de datos, sesgos no controlados). Las redes de investigación permiten, entre otras cosas, la interconexión de distintos investigadores y la homogenización en la recogida de datos. En este artículo presentamos la Red de Investigación en Emergencias Prehospitalarias (RINVEMER) y los resultados de un análisis bibliométrico de la producción científica en emergencias prehospitalarias en España. Desde 1975 se han publicado 512 trabajos en revistas indexadas en la Web of Science (el primero en 1999), realizados por 381 investigadores españoles del ámbito de las emergencias prehospitalarias [máximo en Empresa Pública de Emergencias Sanitarias (EPES) de Andalucía, con 61 autores], con un claro incremento en los últimos 2 años. Además, se han realizado 63 tesis doctorales (máximo en Universidad de Oviedo, con 8). La producción científica en emergen- cias extrahospitalarias en España ha crecido sustancialmente en los últimos años, y la creación de RINVEMER permitirá mejorar las interconexiones entre los investigadores.

Through research we advance scientific understanding and its application in medical practice. Many of the advances in out-of-hospital emergency care are extracted from hospital settings, perhaps because of the difficulties inherent to our prehospital environments: heterogeneity, obstacles to data collection, biases not controlled for, among other limitations. Research networks offer opportunities to create connections among researchers and facilitate homogeneous data collection. We introduce the Prehospital Emergency Research Network (whose Spanish acronym is RINVEMER) and analyze bibliometric indicators of Spanish productivity in this specialty. Since 1975, a total of 512 articles have been published in journals with impact factors by 381 authors working in Spanish prehospital settings. The first such article published after the creation of the Web of Science appeared in 1999. The 61 authors affiliated with the emergency health services of Andalusia, a public company, made up the largest single author group. Publication productivity increased substantially in the last 2 years. A total of 63 PhD theses have been registered in this specialty — 8 of them at the University of Oviedo. With the growth of Spanish out-of-hospital research in recent years, we expect the creation of the RINVEMER network to improve collaboration among our researchers.

Capacidad potencial de un centro coordinador de urgencias y emergencias para predecir ingresos hospitalarios y en unidades de cuidados intensivos por COVID-19 / Potential capacity of an emergency dispatch center to predict COVID-19–related hospital and intensive care unit admissions

Objetiv: Analizar la asociación entre la demanda asistencial percibida en el Centro Coordinador de Urgencias y Emergencias (CCUE) de Castilla La Mancha (CLM) y los ingresos hospitalarios y en unidades de cuidados intensivos (UCI) por COVID-19, así como sus características temporales, para valorar la potencial aplicación como herramienta predictiva de ingresos por COVID-19. Método: Estudio observacional retrospectivo de las llamadas diarias realizadas al CCUE de CLM entre el 1 de marzo y el 14 de octubre de 2020. Se analizaron los códigos “diarrea”, “disnea”, “fiebre” y “malestar general” que fueron usados como variables predictoras, y su relación con los ingresos hospitalarios y en UCI. Resultados: A través del 112 se recibieron 831.943 llamadas (máximo el 13 de marzo: 10.582 llamadas). En la línea 900 fueron 208.803 llamadas (máximo el 15 de marzo: 23.744 llamadas). Se encontró una relación estadísticamente significativa entre los códigos de regulación estudiados y el número de llamadas con los ingresos hospitalarios y en UCI, con una capacidad predictora de 2 semanas en relación a los picos de ocupación. Los códigos con mayor relación fueron “malestar general” y “diarrea”. Conclusiones: Se encontró una asociación entre el número de llamadas a un CCUE por disnea, fiebre, malestar general y diarrea y el número de llamadas con los ingresos hospitalarios y en UCI por COVID-19 con una antelación de 2 semanas, principalmente por malestar general y diarrea. El diseño de sistemas expertos predictivos y su automatización mediante inteligencia artificial podría formar parte de los programas de preparación, planificación y anticipación de los sistemas de salud ante futuras pandemias.

Objectives: To analyze the association between the perceived care demand in the emergency call center of Castilla La Mancha (and hospital and ICU admissions for COVID-19, as well as their temporal characteristics, to explore its potential capacity as a predictive tool for COVID hospital admissions. Material and methods: Retrospective observational study on the daily calls made to the emergency call center of Castilla La Mancha, both calls to 112 and those made to COVID line, in the period between March 1 and October 14, 2020. The data were analyzed by codes "diarrhea", "dyspnea", "fever" and "general discomfort" that were used as predictor variables, and their relationship with hospital admissions and ICU admissions. Results: A total of 831,943 calls were received at the CLM emergency call center through 112, with a maximum on March 13, 2020 with 10,582 calls. On COVID line, a total of 208,803 calls were received in that period, with a maximum on March 15 with 23,744. A statistically significant relationship was found between the regulation codes studied (specific symptoms) and the number of calls with hospital admissions and ICU admissions, with a predictive capacity of 2 weeks in relation to occupancy peaks. The codes with the greatest relationship were "general malaise" and "diarrhea". Conclusion: We have found an association between the number of calls to a CCUE due to dyspnea, fever, general discomfort, diarrhea and the number of calls with hospital admissions and ICU for COVID-SARS-2 2 weeks in advance, mainly due to general discomfort and diarrhea. The design of predictive expert systems and their automation using artificial intelligence could be part of the preparation, planning and anticipation programs of health systems in the near future in the event of future pandemics. (AU)

Potential capacity of an emergency dispatch center to predict COVID-19-related hospital and intensive care unit admissions. / Capacidad potencial de un centro coordinador de urgencias y emergencias para predecir ingresos hospitalarios y en unidades de cuidados intensivos por COVID-19.

OBJECTIVES: To analyze the association between the perceived care demand in the emergency call center of Castilla La Mancha (and hospital and ICU admissions for COVID-19, as well as their temporal characteristics, to explore its potential capacity as a predictive tool for COVID hospital admissions. MATERIAL AND METHODS: Retrospective observational study on the daily calls made to the emergency call center of Castilla La Mancha, both calls to 112 and those made to COVID line, in the period between March 1 and October 14, 2020. The data were analyzed by codes "diarrhea", "dyspnea", "fever" and "general discomfort" that were used as predictor variables, and their relationship with hospital admissions and ICU admissions. RESULTS: A total of 831,943 calls were received at the CLM emergency call center through 112, with a maximum on March 13, 2020 with 10,582 calls. On COVID line, a total of 208,803 calls were received in that period, with a maximum on March 15 with 23,744. A statistically significant relationship was found between the regulation codes studied (specific symptoms) and the number of calls with hospital admissions and ICU admissions, with a predictive capacity of 2 weeks in relation to occupancy peaks. The codes with the greatest relationship were "general malaise" and "diarrhea". CONCLUSION: We have found an association between the number of calls to a CCUE due to dyspnea, fever, general discomfort, diarrhea and the number of calls with hospital admissions and ICU for COVID-SARS-2 2 weeks in advance, mainly due to general discomfort and diarrhea. The design of predictive expert systems and their automation using artificial intelligence could be part of the preparation, planning and anticipation programs of health systems in the near future in the event of future pandemics.

OBJETIVO: Analizar la asociación entre la demanda asistencial percibida en el Centro Coordinador de Urgencias y Emergencias (CCUE) de Castilla La Mancha (CLM) y los ingresos hospitalarios y en unidades de cuidados intensivos (UCI) por COVID-19, así como sus características temporales, para valorar la potencial aplicación como herramienta predictiva de ingresos por COVID-19. METODO: Estudio observacional retrospectivo de las llamadas diarias realizadas al CCUE de CLM entre el 1 de marzo y el 14 de octubre de 2020. Se analizaron los códigos "diarrea", "disnea", "fiebre" y "malestar general" que fueron usados como variables predictoras, y su relación con los ingresos hospitalarios y en UCI. RESULTADOS: A través del 112 se recibieron 831.943 llamadas (máximo el 13 de marzo: 10.582 llamadas). En la línea 900 fueron 208.803 llamadas (máximo el 15 de marzo: 23.744 llamadas). Se encontró una relación estadísticamente significativa entre los códigos de regulación estudiados y el número de llamadas con los ingresos hospitalarios y en UCI, con una capacidad predictora de 2 semanas en relación a los picos de ocupación. Los códigos con mayor relación fueron "malestar general" y "diarrea". CONCLUSIONES: Se encontró una asociación entre el número de llamadas a un CCUE por disnea, fiebre, malestar general y diarrea y el número de llamadas con los ingresos hospitalarios y en UCI por COVID-19 con una antelación de 2 semanas, principalmente por malestar general y diarrea. El diseño de sistemas expertos predictivos y su automatización mediante inteligencia artificial podría formar parte de los programas de preparación, planificación y anticipación de los sistemas de salud ante futuras pandemias.

Consenso en el transporte interhospitalario ante la pandemia de COVID-19 / Consensus on interhospital transfers during the COVID-19 pandemic

No disponible