Прогностические критерии для эффективного использования те лемедицины в неотложной помощи: гипотетическая модель интеграции

Цель: выявление объективных критериев для определения тех заболеваний, при которых теле медицина будет наиболее эффективна. Задачи исследования: 1) анализ факторов риска; 2) определение эффективности телемедицины; 3) создание предсказательной модели. Материалы и методы. В исследовании проведен ретроспективный анализ 1115 пациентов в критическом состоянии, которые получили травмы в результате аварий на автомагистралях и с обострениями различных заболеваний в удаленных районах, требующие неотложной медицинской помощи. Основным фактором было определение вероятности смертности в первые 24 часа после поступления в стационар. Оценивались такие факторы риска, как возраст пациентов, баллы по шкале комы Глазго (GCS), состояние комы и другие клинические показатели. Статистический анализ был проведен с использованием бинарной логистической регрессии, а качество модели было оценено с помощью тестов «Omnibus Tests of Model Coefficients» и «Hosmer and Lemeshow». Результаты. Исследование показало, что время, затраченное на прибытие скорой помощи на место происшествия после вызова, значительно влияет на риск осложнений и смертности; чем дольше задержка, тем выше вероятность смерти. Хотя возраст увеличивает риск смертности, это увеличение статистически незначительно. Низкие баллы по шкале комы Глазго (GCS) ассоциируются с повышенным риском смертности у пациентов с тяжелой комой. Пациенты с «Комой 1» имеют очень низкие шансы на выживание, что подчеркивает необходимость тщательного учета таких состояний при принятии решений об оказании экстренной медицинской помощи. Анализ диагнозов выявил, что определенные состояния, такие как гипертензия и нарушения мозгового кро вообращения, значительно влияют на вероятность смертности. Другие диагнозы, такие как патоло гическая беременность и закрытая черепно- мозговая травма, не показали статистически значимого влияния. Эти результаты предоставляют важные данные для принятия медицинских решений и выяв ления групп высокого риска для телемедицинского вмешательства. Заключение. Данное исследова ние предлагает важные результаты, которые способствуют определению объективных критериев для повышения эффективности телемедицины в экстренной медицинской помощи. Прогнозируя, при ка ких условиях пациенты получат наибольшую пользу от телемедицины, медицинские учреждения могут принимать стратегические решения, направленные на улучшение качества услуг и повышение шансов на выживание пациентов в критическом состоянии.

1. O'Shea J., Clarke D., Jones K., Williams S. Telemedicine in the emergency department: An overview of systematic reviews // J. Telemed. Telecare. 2020. Vol. 26, No. 5. P. 280–292.

2. Smith L., Brown M., Taylor R., Johnson D. Effectiveness and cost-effectiveness of telehealth in rural and remote emergency departments: A systematic review protocol // Syst. Rev. 2019. Vol. 8, No. 12. P. 45–56.

3. Lee V., Chen H., Huang J., Patterson G. Use of Telemedicine and Virtual Care for Remote Treatment in Response to COVID-19 Pandemic // Int. J. Med. Inform. 2021. Vol. 147, No. 4. P. 104–112.

4. Lee K., Kim J., Park S. Risk management- based security evaluation model for telemedicine systems // BMC Med. Inform. Decis. Mak. 2023. Vol. 23, No. 2. P. 45–56. doı: 10.1186/s12911–023–01914–9.

5. Smith R., Johnson L., Brown T. Determinants of the Cost- Effectiveness of Telemedicine: Systematic Review // Telemed. e- Health. 2023. Vol. 29, No. 7. P. 1123–1132. doı: 10.1089/tmj.2023.0157.

6. Chen W., Zhao Y., Liu Q. Feasibility, acceptance, and factors related to the use of telemedicine in rural communities // J. Telemed. Telecare. 2023. Vol. 29, No. 4. P. 275–284. doı: 10.1177/1357633X231046591.

7. Palacios R., Sánchez-Úbeda E., Panos R. Predictive Models to Optimize Resources in Tele- Critical Care in Distributed Hospital Networks // Res. Biomed. 2023. Vol. 15, No. 2. P. 45–53.

8. Vawdrey D.K., Fletcher D., Raichura T. Pandemic Telemedicine Adoption Trends in a Predominantly Rural Integrated Health System // AMIA Annu. Symp. Proc. 2023. Vol. 2022. P. 1101–1107.

9. Kim S., Park J. H., Choi J. Y. Machine Learning- based Telemedicine Framework to Prioritize Critical Patients in Emergency Settings // J. Med. Inform. 2023. Vol. 29, No. 7. P. 112–120.