Antoine Aubrion , Lauriane Hardel , Joanne Richard , Laurent Gabilly , Tiphaine Hary , Richard Petit , Sami Abdelkhalek , Thomas Delomas , Richard Macrez
{"title":"按SIS -ORSAN医院和转诊队的能力分列大规模事故受害者","authors":"Antoine Aubrion , Lauriane Hardel , Joanne Richard , Laurent Gabilly , Tiphaine Hary , Richard Petit , Sami Abdelkhalek , Thomas Delomas , Richard Macrez","doi":"10.1016/j.pxur.2025.02.003","DOIUrl":null,"url":null,"abstract":"<div><h3>Objectif</h3><div>Les situations sanitaires exceptionnelles (SSE) sont des événements rares, et l’évaluation de la répartition des victimes d’après les ressources disponibles reste complexe. L’objectif de cette étude était de simuler un incident moyen européen sur plusieurs sites de grands rassemblements ou dans des secteurs isolés du pays, afin d’observer le temps nécessaire pour la prise en charge et l’admission des victimes.</div></div><div><h3>Méthodes</h3><div>Le même exercice de simulation a été réalisé avec 9 équipes de régulateurs SAMU en utilisant l’outil informatique SI-ORSAN qui estimait les moyens de transferts, la capacité d’accueil hospitalière et les conditions réelles de circulation routière. La distribution des victimes a été décidée par les équipes médicales locales, soit sur des sites de grands rassemblements (A), soit en site isolé (B).</div></div><div><h3>Résultats</h3><div>Les délais médians observés étaient de 56<!--> <!-->min (A) et 64<!--> <!-->min (B) (<em>p</em> <!-->=<!--> <!-->0,02), pour l’arrivée des équipes médicales sur le site, de 80<!--> <!-->min (A) et 102<!--> <!-->min (B) (<em>p</em> <!-->=<!--> <!-->0,76) pour le départ des victimes depuis le site, et de 106<!--> <!-->min (A) et 200<!--> <!-->min (B) (<em>p</em> <!--><<!--> <!-->0,001) pour l’arrivée des victimes à l’hôpital.</div></div><div><h3>Conclusions</h3><div>Cette étude fournit une estimation des temps de prise en charge possibles sur différents sites en s’appuyant sur une formation standardisée pour la répartition d’un grand nombre de victimes. Elle permet aux équipes de s’entraîner à la gestion des pertes massives dans leur zone, afin d’améliorer l’organisation et la réponse à ces incidents.</div></div><div><h3>Objective</h3><div>Mass casualty incidents (MCI) are rare, and the quantitative assessment of possible responses is difficult. The objective of this study was to simulate the average European incident at several sites of large gatherings or isolated places in the country, to observe the required time for care and admission.</div></div><div><h3>Methods</h3><div>The same disaster exercise was carried out with 9 emergency medical service (EMS) teams using a computer tool SI-ORSAN that estimated the means of transfers, hospital surge capacity, and actual road traffic. The distribution of all victims was decided by local medical teams in large gatherings (A) or at a rural site (B).</div></div><div><h3>Results</h3><div>The median delays for medical teams arrival were 56<!--> <!-->min (A) or 64<!--> <!-->min (B) (<em>P</em> <!-->=<!--> <!-->0.02), for the departure of victims from the site 80<!--> <!-->min (A) or 102<!--> <!-->min (B) (<em>P</em> <!-->=<!--> <!-->0.76), for arrival at a hospital 106<!--> <!-->min (A) or 200<!--> <!-->min (B) (<em>P</em> <!--><<!--> <!-->0.001).</div></div><div><h3>Conclusions</h3><div>This study provides an estimate of possible management times for different sites using standardized training for the distribution of a large number of victims. It allows teams to practice managing mass casualties in their area, in order to improve the organization and response to these incidents.</div></div>","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 117-125"},"PeriodicalIF":0.0000,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Répartition des victimes d’incidents de masse selon la capacité des hôpitaux et les équipes de transferts dans SI-ORSAN\",\"authors\":\"Antoine Aubrion , Lauriane Hardel , Joanne Richard , Laurent Gabilly , Tiphaine Hary , Richard Petit , Sami Abdelkhalek , Thomas Delomas , Richard Macrez\",\"doi\":\"10.1016/j.pxur.2025.02.003\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"<div><h3>Objectif</h3><div>Les situations sanitaires exceptionnelles (SSE) sont des événements rares, et l’évaluation de la répartition des victimes d’après les ressources disponibles reste complexe. L’objectif de cette étude était de simuler un incident moyen européen sur plusieurs sites de grands rassemblements ou dans des secteurs isolés du pays, afin d’observer le temps nécessaire pour la prise en charge et l’admission des victimes.</div></div><div><h3>Méthodes</h3><div>Le même exercice de simulation a été réalisé avec 9 équipes de régulateurs SAMU en utilisant l’outil informatique SI-ORSAN qui estimait les moyens de transferts, la capacité d’accueil hospitalière et les conditions réelles de circulation routière. La distribution des victimes a été décidée par les équipes médicales locales, soit sur des sites de grands rassemblements (A), soit en site isolé (B).</div></div><div><h3>Résultats</h3><div>Les délais médians observés étaient de 56<!--> <!-->min (A) et 64<!--> <!-->min (B) (<em>p</em> <!-->=<!--> <!-->0,02), pour l’arrivée des équipes médicales sur le site, de 80<!--> <!-->min (A) et 102<!--> <!-->min (B) (<em>p</em> <!-->=<!--> <!-->0,76) pour le départ des victimes depuis le site, et de 106<!--> <!-->min (A) et 200<!--> <!-->min (B) (<em>p</em> <!--><<!--> <!-->0,001) pour l’arrivée des victimes à l’hôpital.</div></div><div><h3>Conclusions</h3><div>Cette étude fournit une estimation des temps de prise en charge possibles sur différents sites en s’appuyant sur une formation standardisée pour la répartition d’un grand nombre de victimes. Elle permet aux équipes de s’entraîner à la gestion des pertes massives dans leur zone, afin d’améliorer l’organisation et la réponse à ces incidents.</div></div><div><h3>Objective</h3><div>Mass casualty incidents (MCI) are rare, and the quantitative assessment of possible responses is difficult. The objective of this study was to simulate the average European incident at several sites of large gatherings or isolated places in the country, to observe the required time for care and admission.</div></div><div><h3>Methods</h3><div>The same disaster exercise was carried out with 9 emergency medical service (EMS) teams using a computer tool SI-ORSAN that estimated the means of transfers, hospital surge capacity, and actual road traffic. The distribution of all victims was decided by local medical teams in large gatherings (A) or at a rural site (B).</div></div><div><h3>Results</h3><div>The median delays for medical teams arrival were 56<!--> <!-->min (A) or 64<!--> <!-->min (B) (<em>P</em> <!-->=<!--> <!-->0.02), for the departure of victims from the site 80<!--> <!-->min (A) or 102<!--> <!-->min (B) (<em>P</em> <!-->=<!--> <!-->0.76), for arrival at a hospital 106<!--> <!-->min (A) or 200<!--> <!-->min (B) (<em>P</em> <!--><<!--> <!-->0.001).</div></div><div><h3>Conclusions</h3><div>This study provides an estimate of possible management times for different sites using standardized training for the distribution of a large number of victims. It allows teams to practice managing mass casualties in their area, in order to improve the organization and response to these incidents.</div></div>\",\"PeriodicalId\":100904,\"journal\":{\"name\":\"Médecine de Catastrophe - Urgences Collectives\",\"volume\":\"9 2\",\"pages\":\"Pages 117-125\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2025-06-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Médecine de Catastrophe - Urgences Collectives\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://www.sciencedirect.com/science/article/pii/S1279847925000187\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Médecine de Catastrophe - Urgences Collectives","FirstCategoryId":"1085","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S1279847925000187","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Répartition des victimes d’incidents de masse selon la capacité des hôpitaux et les équipes de transferts dans SI-ORSAN
Objectif
Les situations sanitaires exceptionnelles (SSE) sont des événements rares, et l’évaluation de la répartition des victimes d’après les ressources disponibles reste complexe. L’objectif de cette étude était de simuler un incident moyen européen sur plusieurs sites de grands rassemblements ou dans des secteurs isolés du pays, afin d’observer le temps nécessaire pour la prise en charge et l’admission des victimes.
Méthodes
Le même exercice de simulation a été réalisé avec 9 équipes de régulateurs SAMU en utilisant l’outil informatique SI-ORSAN qui estimait les moyens de transferts, la capacité d’accueil hospitalière et les conditions réelles de circulation routière. La distribution des victimes a été décidée par les équipes médicales locales, soit sur des sites de grands rassemblements (A), soit en site isolé (B).
Résultats
Les délais médians observés étaient de 56 min (A) et 64 min (B) (p = 0,02), pour l’arrivée des équipes médicales sur le site, de 80 min (A) et 102 min (B) (p = 0,76) pour le départ des victimes depuis le site, et de 106 min (A) et 200 min (B) (p < 0,001) pour l’arrivée des victimes à l’hôpital.
Conclusions
Cette étude fournit une estimation des temps de prise en charge possibles sur différents sites en s’appuyant sur une formation standardisée pour la répartition d’un grand nombre de victimes. Elle permet aux équipes de s’entraîner à la gestion des pertes massives dans leur zone, afin d’améliorer l’organisation et la réponse à ces incidents.
Objective
Mass casualty incidents (MCI) are rare, and the quantitative assessment of possible responses is difficult. The objective of this study was to simulate the average European incident at several sites of large gatherings or isolated places in the country, to observe the required time for care and admission.
Methods
The same disaster exercise was carried out with 9 emergency medical service (EMS) teams using a computer tool SI-ORSAN that estimated the means of transfers, hospital surge capacity, and actual road traffic. The distribution of all victims was decided by local medical teams in large gatherings (A) or at a rural site (B).
Results
The median delays for medical teams arrival were 56 min (A) or 64 min (B) (P = 0.02), for the departure of victims from the site 80 min (A) or 102 min (B) (P = 0.76), for arrival at a hospital 106 min (A) or 200 min (B) (P < 0.001).
Conclusions
This study provides an estimate of possible management times for different sites using standardized training for the distribution of a large number of victims. It allows teams to practice managing mass casualties in their area, in order to improve the organization and response to these incidents.