Accuracy of Prehospital Transport Time Estimation

• Published in: Academic emergency medicine Vol. 21; no. 1; pp. 9 - 16
• Main Authors: Wallace, David J., Kahn, Jeremy M., Angus, Derek C., Martin‐Gill, Christian, Callaway, Clifton W., Rea, Thomas D., Chhatwal, Jagpreet, Kurland, Kristen, Seymour, Christopher W., Meisel, Zachary F.
• Format: Journal Article
• Language: English
• Published: United States Wiley Subscription Services, Inc 01.01.2014
• Subjects: Aged; Aged, 80 and over; Emergency medical care; Emergency Medical Services - statistics & numerical data; Estimating techniques; Female; Hospitals; Humans; Male; Measurement errors; Middle Aged; Pennsylvania; Regression Analysis; Time; Time Factors; Transportation; Transportation of Patients - statistics & numerical data; Washington; Washington; Pennsylvania; United States > US
• ISSN: 1069-6563; 1553-2712
• DOI: 10.1111/acem.12289

Objectives Estimates of prehospital transport times are an important part of emergency care system research and planning; however, the accuracy of these estimates is unknown. The authors examined the accuracy of three estimation methods against observed transport times in a large cohort of prehospital patient transports. Methods This was a validation study using prehospital records in King County, Washington, and southwestern Pennsylvania from 2002 to 2006 and 2005 to 2011, respectively. Transport time estimates were generated using three methods: linear arc distance, Google Maps, and ArcGIS Network Analyst. Estimation error, defined as the absolute difference between observed and estimated transport time, was assessed, as well as the proportion of estimated times that were within specified error thresholds. Based on the primary results, a regression estimate was used that incorporated population density, time of day, and season to assess improved accuracy. Finally, hospital catchment areas were compared using each method with a fixed drive time. Results The authors analyzed 29,935 prehospital transports to 44 hospitals. The mean (± standard deviation [±SD]) absolute error was 4.8 (±7.3) minutes using linear arc, 3.5 (±5.4) minutes using Google Maps, and 4.4 (±5.7) minutes using ArcGIS. All pairwise comparisons were statistically significant (p < 0.01). Estimation accuracy was lower for each method among transports more than 20 minutes (mean [±SD] absolute error was 12.7 [±11.7] minutes for linear arc, 9.8 [±10.5] minutes for Google Maps, and 11.6 [±10.9] minutes for ArcGIS). Estimates were within 5 minutes of observed transport time for 79% of linear arc estimates, 86.6% of Google Maps estimates, and 81.3% of ArcGIS estimates. The regression‐based approach did not substantially improve estimation. There were large differences in hospital catchment areas estimated by each method. Conclusions Route‐based transport time estimates demonstrate moderate accuracy. These methods can be valuable for informing a host of decisions related to the system organization and patient access to emergency medical care; however, they should be employed with sensitivity to their limitations. Resumen Objetivos Las estimaciones de los tiempos de traslado extrahospitalario son una parte importante de la investigación y planificación de los sistemas de atención de emergencias. Sin embargo la precisión de estas estimaciones es desconocida. Se examinó la precisión de tres métodos de estimación de los tiempos de traslado frente a los observados en una gran cohorte de traslados de pacientes extrahospitalarios. Metodología Éste fue un estudio de validación que utilizó las historias clínicas extrahospitalarias del condado de King, en el estado de Washington, y del suroeste de Pensilvania, de 2002 a 2006 y de 2005 a 2011, respectivamente. Las estimaciones de los tiempo de traslado se generaron utilizando tres métodos: distancia de arco lineal, Google Maps y ArcGIS Network Analyst. Se evaluó el error estimado, definido como la diferencia absoluta entre el tiempo de traslado observado y estimado, así como la proporción de los tiempos estimados que estuvieron en los umbrales del error especificado. En base a los resultados principales, se utilizó una regresión que incorporó la densidad de población, el momento del día y la estación para evaluar la mejora de la precisión. Por último, se compararon las áreas de referencia del hospital utilizando cada método un tiempo de conducción fijado. Resultados Los autores analizaron 29.935 traslados extrahospitalarios de 44 hospitales. La media de error absoluto fue de 4,8 minutos (desviación estándar [DE] ±7,3 minutos) con el arco lineal, 3,5 minutos (DE ±5,4) con Google Maps, y 4,4 minutos (DE ±5,7) con ArcGIS. Todas las comparaciones directas fueron estadísticamente significativas (p < 0,01). La precisión estimada fue menor para cada método entre los traslados de más de 20 minutos (media del error absoluto fue 12,7 minutos [DE ±11,7] para arco lineal, 9,8 minutos [DE ±10,5] para Google Maps y 11,6 minutes [DE ±10,9] para ArcGIS). Las estimaciones estuvieron en los primeros cinco minutos del tiempo de traslado observado en un 79% de las estimaciones del arco lineal, en un 86,6% de las estimaciones de Google Maps y en un 81,3% de las estimaciones de ArcGIS. La aproximación basada en la regresión no mejoró sustancialmente la estimación. Hubo grandes diferencias en las áreas de referencia del hospital estimadas por cada método. Conclusiones La estimación de los tiempos de traslado basados en rutas demuestra una precisión moderada. Estos métodos pueden ser valiosos para informar numerosas decisiones relacionadas con la organización del sistema y el acceso del paciente a la atención médica de emergencia; sin embargo, deberían ser empleados teniendo en cuenta sus limitaciones.