제주 지역 중증 응급 질환의 병원 전 이송 취약 지역에 대한 격자 기반 지리 공간 분석

Grid-based geospatial analysis of areas vulnerable to prehospital transportation of emergency patients in Jeju

Article information

J Med Life Sci. 2022;19(3):109-115
Publication date (electronic) : 2022 December 29
doi : https://doi.org/10.22730/jmls.2022.19.3.109
1Department of Emergency Medicine, Jeju National University Hospital, Jeju, Republic of Koera
2Department of Emergency Medicine, Jeju National University College of Medicine, Jeju, Republic of Koera
3Department of Medicine, Jeju National University College of Medicine, Jeju, Republic of Koera
4Now Medi Clinic, Jeju, Republic of Korea
홍한솔1, 김우정2, 고명상1, 송성욱2, 김윤지3, 강경원,4
1제주대학교병원 응급의학과
2제주대학교 의과대학 응급의학교실
3제주대학교 의과대학 의학과
4나우메디의원
Correspondence to Kyeong Won Kang Now Medi Clinic, 511 Yeonbuk-ro, Jeju 63234, Republic of Korea Tel: 82-64-727-1339 Fax: 82-64-727-1340 E-mail: kkwpps@naver.com
Received 2022 October 18; Revised 2022 October 30; Accepted 2022 November 4.

Trans Abstract

During emergencies, the time from symptom onset to definitive treatment determines the final outcome. Therefore, the emergency medical service (EMS) system in Korea, aims to transfer patients requiring emergency care to appropriate medical facilities within 30 minutes. This is in an attempt to improve the chances of survival and reduce sequelae. We attempted to locate areas vulnerable to prehospital transportation and identify hot spots with high demand for emergency medical helicopters in Jeju, by using a grid-based geospatial analysis. This retrospective cross-sectional observational study employed EMS data of 119 ambulance run sheets spanning from January 1, 2010 to September 30, 2018 in Jeju. The location data of emergency patients was superimposed on the spatial analysis frame using the geographic information system (GIS). Subsequently, the locations of long-distance transfer and delayed transfers to the hospital were analyzed, to identify hot spots where the demand for helicopter emergency services would be high. Of the total analysis targets, 42.2% (20,288 people) took more than 30 minutes from reporting to 119 dispatchers to hospital transfer. As the transfer time interval increased, the patient occurrence time increased in the city of Jeju, increased in Seogwipo, and the ratio of patients/ guardians to select a transfer hospital rose with significant differences. This study identified the characteristics related to time delays in prehospital transfer of emergency patients in Jeju, and the areas vulnerable to prehospital emergency care were derived and visualized through spatial analysis using the GIS.

서 론

심정지, 심뇌혈관 질환, 중증 외상처럼 시간 의존적 중증 응급 환자의 경우, 증상 발생부터 확정적 치료까지 소요되는 시간이 최종 결과에 큰 영향을 주기 때문에, 병원 전 구급서비스 제공 단계에서는 생존율 향상과 후유 장애 감소를 위해 생명에 직접적인 위해를 가하는 긴급한 문제만 제한적으로 처치하면서 확정적 치료를 제공할 수 있는 적정 의료기관으로 신속하게 이송하는 데 중점을 두고 있다.

병원 밖 심정지의 경우, 기본소생술과 전문소생술이 각각 심정지 후 4분과 8분 이내에 제공되지 못할 경우 환자 생존율과 예후가 불량해지고[1], 심장혈관 질환인 급성 관상동맥증후군의 경우에는 적절한 치료가 30분 지연되면 1년 사망률이 7.5%까지 증가할 수 있으며, 특히 심장동맥의 완전폐쇄로 발생하는 ST분절 상승 심근경색 환자에서는 치료에 있어 소요시간 단축이 더욱 강조된다[2]. 대표적 뇌혈관 질환인 허혈성 뇌졸중에서는 증상 발생부터 6시간 내 의료기관에 방문하여야 경색 부위에 대한 재관류 약물 치료를 수행할 수 있는 일차 적응증이 되며 양호한 신경학적 예후를 기대할 수 있다[3-6]. 중증 외상의 경우에는 손상 발생 직후 첫 1시간 내 생명을 위협하는 주요 손상에 대한 적절한 외과적 처치가 일차적으로 이루어져야 한다. 이보다 지연될 경우 불량한 예후 및 사망률이 증가한다는 중증 외상에서의 ‘황금시간(golden hour)’ 개념은 이미 잘 알려져 있다[7].

이와 같은 이유로 병원 전 응급 의료체계에서 시간에 민감한 중증 응급 환자의 경우 최대 30분 이내에 적정 응급 의료기관에 이송하는 것을 목표로 하고 있으며, 구급차를 이용한 지상 이송으로 이러한 이송 목표시간을 달성하기 어려운 상황일 경우, 헬기를 이용한 항공 이송을 고려하도록 권고하고 있다[8]. 헬기를 이용한 응급 이송서비스(helicopter emergency medical services)를 효과적으로 제공하기 위해서는 이를 필요로 하는 수요를 파악하고 이를 기반으로 적절하게 자원을 배치하는 것이 중요하며, 응급 의료헬기 인계점(응급 의료헬기 이착륙 및 환자 인계가 가능한 장소)의 규모와 지정 장소를 적절하게 도출하는 것이 필요하다.

제주도는 면적 1,850.2 km2의 섬으로 남북으로 31 km, 동서로는 73 km인 타원형으로 이루어져 있으며 4개 소방서 산하의 31개 119 센터와 6개 응급의료기관이 제주 지역의 응급 의료체계를 이루고 있다. 하지만, 북부의 제주시에 응급 의료기관이 편중되어 있고, 전 지역에서 1시간 이내로 응급 의료기관까지 도착이 가능하지만 중증 응급 환자가 목표 이송시간인 30분 이내에 도착하지 못하는 이송 취약 지역이 존재한다.

그럼에도 아직까지 제주 지역의 중증 응급 질환의 병원 전 이송 취약 지역에 대한 조사나 지리 공간적인 분석은 수행된 바가 없어, 이번 연구에서는 제주 지역 119 구급서비스를 이용한 중증 응급 환자의 이송시간과 관련된 요인들을 확인하고 이송시간 지연이 발생하는 이송 취약 지역에 대해 지리정보시스템(geographic information system, GIS)을 이용한 공간 분석을 하고자 하였다.

대상 및 방법

이번 연구는 제주특별자치도 119 구급서비스를 필요로 하는 중증 응급 환자의 수요와 응급 의료기관 도착까지 소요된 시간 및 접근성에 대한 관련 요인과 공간적 특성을 알아보기 위하여 수행한 지역사회 수준의 후향적 단면관찰 연구(retrospective crosssectional observational study)로서, 제주대학교병원 기관생명윤리위원회의 심의를 받았다(IRB 2020-06-021).

1. 연구 대상

연구 기간 동안 119 구급서비스를 요청한 환자 중 중증 응급 환자로 평가되어 응급 의료기관으로 이송된 사례를 연구 대상으로 선정하였다. 중증 응급 환자는 119 구급활동일지 조사항목 중 환자 유형과 주증상, 의식 수준, 활력징후를 조합하여 정의한 심폐정지, 심혈관 응급 질환, 뇌혈관 응급 질환, 중증 외상의 네 가지로 분류하였다. 구체적으로, 심폐정지는 환자 유형이 “질병” 또는 “질병 외”이면서 주증상이 “심정지” 또는 “호흡정지”인 경우, 심혈관 응급 질환은 “질병”의 환자 유형과 주증상이 “흉통”, ”호흡곤란”, ”심계항진”, ”실신” 중 어느 하나에 해당되는 경우, 뇌혈관 응급 질환은 “질병”의 환자 유형과 주증상이 “두통”, “의식 장애”, “경련”, “발작”, “실신”, “현기증”, “마비” 중 어느 하나에 해당되는 경우, 중증 외상은 환자 유형이 “질병 외”이면서 의식수준이 “P(통증에만 반응) 또는 U(무반응)”, 수축기 혈압이 “90 mmHg 미만”, 호흡수가 “10회 미만 또는 29회 초과” 중 어느 하나에 해당되는 경우로 정의하였다. 연구 대상 중 주요 결과 항목인 이송소요시간과 이송거리를 알 수 없는 경우는 분석에서 제외하였다.

2. 자료 수집

2010년 1월 1일부터 2018년 9월 30일까지의 119 구급활동 기록지를 자료원으로 이용하였다. 119 구급활동 기록지의 주요 조사 항목으로는 환자에 대한 인구학적 정보(성별, 연령 등), 발생주소, 증상, 환자 유형(질병/질병 외), 의식 수준, 활력징후, 수행한 응급 처치, 출동 119 구급센터, 이송병원, 이송거리 및 이송기관 선정자 등에 대한 정보가 포함되었다. 또한 119 구급서비스 주요 단계인 119 구급대 신고시각, 출동시각, 현장 도착시각, 응급처치 후 현장 출발시각, 병원 도착시각 및 귀소시각을 포함한 시간 정보가 각 구급서비스가 완료되는 것과 동기화되어 초 단위로 자동적으로 수집, 기록되었다.

3. 분석 방법

1) 구급일지 내 중증 응급 환자 특성 분석

연구 기간 동안 119 구급대를 이용한 중증 응급 환자들의 특성을 알아보기 위해, 119 구급대 신고시각부터 실제 의료기관 도착까지 소요된 시간을 네 집단으로 범주화(30분 미만, 30분 이상에서 45분 미만, 45분 이상에서 60분 미만, 60분 이상)하여 주요 특성들에 대한 기술적 분석을 수행하였다. 이를 위해 변수 특성에 따라, 연속형 변수이면 정규성 여부에 따라 평균과 표준편차 또는 중간값과 사분위 범위(interquartile range)를 제시하였고 분산 분석(analysis of variance) 또는 Kruskal-Wallis 비모수 분석으로 집단 간 차이를 검정하였다. 범주형 변수의 경우에는 건수와 비율을 제시하였고 카이제곱(chi-square test) 혹은 Fisher’s extract를 이용하여 집단 간 차이를 검정하였다. 통계 분석은 Stata 12 MP (StataCorp LLC, College Station, TX, USA)를 이용하였고, P <0.05인 경우 통계적으로 유의한 것으로 간주하였다.

2) 이송 취약 지역에 대한 격자 기반 지리 공간 분석

분석을 수행할 지역경계를 정의하고 분석 지역에 대한 지리정보 공간자료를 획득하여 적절한 크기의 분석지역단위(grid)를 중첩하여 공간 분석 틀(frame)을 준비하였다. 또한 연구 대상인 119 구급대를 이용한 중증 응급 환자들의 발생위치 정보를 지오코딩 과정을 통해 GIS 좌표정보로 변환하여, 정의된 공간 분석 틀에 좌표 변환된 연구 대상을 중첩하고 각 분석지역 단위 내 중증 응급환자의 수요를 산출하였다.

중증 응급 환자 중장거리 이송(45 km 이상)이면서 신고시각부터 실제 의료기관 도착까지 과도하게 지연된 이송시간(30분, 45분, 60분 이상)에 해당되는 구급 이송 대상을 병원 전 이송이 취약하여 응급 의료헬기 이송이 필요할 수 있는 잠재적 수요 대상으로 정의하여 각 분석 단위(grid) 내 잠재적 수요에 대한 공간의존성을 확인하고(Moran’s I) 공간회귀분석(spatial regression)을 시행하였다. 공간회귀분석을 통해 관심 대상의 국소적 지역 공간분포에 대한 자가회귀를 표준화한 값인 Getis-Ord Gi (d) 값을 각 분석 단위별로 산출하고, 예측 분포에 따라 상하위 1% 경계값으로 헬기이송 수요가 높은 지점(hot spot)과 낮은 지점(cold spot)을 결정하였다(Fig. 1). 수행된 공간분석은 QGIS 3.14 version (Open Source Geospatial Foundation, Chicago, IL, USA)을 이용하였다.

Figure 1.

Three steps of analysis were performed for grid based geospatial approach. EMS: emergency medical service, UTMK: universal transverse mercator Korea.

결 과

연구 기간 동안 제주 지역에서 119 구급대를 요청한 건수는 366,155건이었고, 그중 실제 이송된 중증 응급 환자는 48,094명이었다. 이 가운데 결측 및 오류를 제외한 48,050명에 대해서 분석을 수행하였다. 분석 대상은 심폐정지(11.1%), 심혈관 질환(35.0%), 뇌혈관 질환(57.3%), 중증 외상(10.6%) 환자가 포함되었다. 전체 분석 대상 중 119 구급대 신고로부터 병원 이송까지 30분 이상 소요된 경우는 42.2% (20,288명)였다.

1. 이송 환자 특성 및 구급단계별 구간 분류에 따른 특성

119 구급대 신고시각부터 실제 의료기관 도착까지 소요된 시간 구간별 이송된 환자 소인 특성은 Table 1과 같다. 모든 구간에서 119 구급대로 이송된 환자의 성별은 남성이 여성보다 많았다. 환자 유형은 대부분 질병이었고 의식 수준은 명료하였으며 다수가 응급 증상으로 분 류되었다. 심폐정지, 심혈관 질환, 뇌혈관 질환, 중 증 외상 환자의 분포는 시간 구간에 따라 통계적으로 유의한 차이는 있었지만 시간 구간 증가에 따른 경향성은 일관적이지 않았다.

Study population demographics

구간별 구급단계에 따른 구급활동 소요시간의 기술적 통계 분석은 Table 2와 같다. 모든 구급단계에서 소요된 시간은 통계적으로 유의성이 확인되지만 전체 소요시간을 주로 결정하는 단계는 현장부터 병원까지 이송하는 데 소요된 시간이었다. 구급단계별 이송거리도 모든 구급단계에서 통계적으로 유의한 차이가 있지만 구급센터에서 현장까지의 거리는 구간별로 차이가 크지 않았고 현장부터 병원까지의 이송거리의 차이가 크게 나타났다.

Prehospital duration and transport distance for each emergency medical service (EMS) tasks

2. GIS를 이용한 이송 취약 지역에 대한 격자 기반 지리 공간 분석

분석 지역은 제주특별자치도 행정구역으로 정의하였고, 해당되는 지역에 대한 지리경계 자료(shape 파일)를 시각화하고 적절한 공간 분석 단위를 탐색하기 위해 다양한 거리 스케일의 육각형 grid를 중첩을 시도하였다. 이 중 생활반경으로 널리 사용되는 성인 보행속도 기준 약 10분 거리인 1 km 거리 스케일을 선정하였다. 선정된 1×1 km 스케일의 grid를 정의된 제주특별자치도 행정지역에 중첩하였을 때, 1,903개의 grid가 생성되며 전체 grid 사이 평균 거리는 28.0±15.8 km이었다.

분석 기간 내 119 구급대를 요청한 모든 요청건수 366,155건과 분석 대상에 해당하는 중증 응급 질환 48,050명의 환자 발생 위치 주소정보를 좌표정보로 지오코딩 변환한 결과 전체 요청건수 366,155건 중 정좌표 263,659건(72.0%), 인근좌표 70,488건(19.3%), 도로중심/법정동좌표 32,008건(8.7%)이었고, 중증 응급 환자 48,050명은 정좌표 33,941건(70.6%), 인근좌표 9,695건(20.2%), 도로중심/법정동좌표 4,414건(9.2%)으로 두 그룹 모두에서 90% 이상 정좌표 및 인근좌표 변환이 되었고 10% 미만에서 도로중심 또는 법정동좌표로 대치되어 GIS를 이용한 공간 분석을 하기에 적합한 것으로 파악되었다. 공간회귀분석을 통한 Getis-Ord Gi (d) 값(Z score)의 상하 1% 경계값으로 도출한 hot/cold spot grid 개수를 구하고(Table 3), 그 분포를 도식화하였다(Fig. 2-4).

Descriptive statistics of potential demand for helicopter emergency medical services (HEMS) in each grid

Figure 2.

Hot and cold spots of potential demand for helicopter emergency medical services (HEMS): major incidents ≥30 minutes and ≥45 km.

Figure 3.

Hot and cold spots of potential demand for helicopter emergency medical services (HEMS): major incidents ≥45 minutes and ≥45 km.

Figure 4.

Hot and cold spots of potential demand for helicopter emergency medical services (HEMS): major incidents ≥60 minutes and ≥45 km.

이송거리 45 km 이상 및 이송시간 30분 이상 소요된 발생 규모는 20,329건으로 가장 많지만 hot spot grids의 개수는 126개로 가장 적고 hot spot grids의 분포가 제주시와 서귀포를 제외한 동부 지역 1구역과 서부 지역 2구역으로 3구역 정도에 밀집되어 있었고, 이송거리 45 km 이상 및 이송시간 45분 이상 소요된 발생 규모는 10,690건으로 감소하였으나 hot spot grids의 개수는 329개로 증가되어 있고 hot spot grids의 분포가 동부 지역 1구역과 서부 지역 1구역으로 2구역 정도에 밀집되어 있었다. 이송거리 45 km 이상 및 이송시간 60분 이상 소요된 발생규모는 6,651건으로 가장 적으나 이송시간 30분 이상이나 45분 이상과 비교하여 hot spot grids의 개수는 350개로 가장 많았고 hot spot grids의 분포가 동부 지역 1구역과 서부 지역 1구역으로 2구역 정도에 밀집되어 있어 이송거리 및 이송시간 구간이 증가할수록 병원 전 이송이 취약하여 응급 의료헬기 이송이 필요할 수 있는 잠재적 수요 대상은 감소하지만 hot spot grids는 증가하였고 각 구간에 관계없이 제주시와 서귀포시 지역에서는 관찰되지 않고 동부 지역과 서부 지역에 국한되어 관찰되었다.

고 찰

심정지와 더불어 급성 심근경색, 뇌졸중, 중증 외상 등의 중증 응급 질환은 적절한 시간 내의 이송과 치료가 예후에 큰 영향을 미치기 때문에 신속한 이송이 매우 중요하며, 이송시간 단축을 위해 구급차를 이용한 이송 외에도 응급 의료헬기를 통한 이송이 이루어지기도 한다.

제주 지역에서는 해양경찰 헬기를 이용한 응급 환자 이송이 이루어지다가 2019년부터 제주 소방항공대에 헬기 수리온이 배치되면서 소방 중심으로 한라산과 오름 등 산악지대와 도서 지역의 응급 환자 이송 및 인명구조활동을 하고 있으며, 전문 의료진이 탑승하여 중증 응급 환자를 이송하는 응급 의료헬기인 닥터헬기 사업도 준비 중이다.

연구 기간 동안의 제주 지역 중증 응급 환자 중 119 신고부터 병원 이송까지 30분 이상 소요된 경우는 42.2%였고, 60분 이상 소요된 경우도 5.7%를 차지하였다. 이송시간이 증가할수록 제주시 지역보다 서귀포시 지역이 많았고, 환자 발생 위치가 관할 지역 외 분포인 경우가 많은 경향을 보이는 것은 서귀포 지역에 위치한 1개의 응급 의료기관 외에 대부분의 응급 의료기관이 제주시 지역에 밀집되어 있기 때문으로 생각된다. 이러한 응급 의료자원의 불균형이 단시간 내에 해결되기 어려운 상황에서는 이송 지연 현황을 바탕으로 개선 방안을 찾아야 할 필요가 있을 것이다.

특히 이송시간이 45분 이상 소요되는 경우의 60% 이상에서 상대적으로 중증 응급 환자 치료가 용이한 권역응급의료센터와 대학병원으로의 이송이 집중되고 있고, 이송시간이 증가할수록 환자나 보호자가 이송병원을 선정하는 비율이 높아지는 경향을 보이는데, 치료 가능한 병원으로의 신속한 이송이 중요한 중증 응급 질환의 특성을 고려하여 응급 의료헬기 이송을 위한 여건을 마련할 필요가 있다.

현재 우리나라는 지자체별 응급 의료헬기의 인계점 수의 편차가 크며, 시군 지역별로도 1개소에서 28개소까지 분포하여 시군의 의지에 따라 인계점의 수가 매우 다양하다. 이는 지자체별로 인계점 시설 규정에 대한 수용 정도에 따라 인계점 확산에 소극적인 지역이 있기 때문이다. 하지만 전체적으로 인계점 수가 부족하여 응급의료헬기의 도움이 필요한 환자에게 접근하는 데 제한적이다. 현재 운영되고 있는 인계점 또한 제공자(의료기관) 입장에서 인계점이 지정되어 있어서 수요자(환자) 입장에서의 인계점 위치가 재구성될 필요가 있다.

GIS는 다양한 데이터 모델을 활용해 실제 존재하는 모든 형태의 지리-공간 정보를 효과적으로 수집, 저장, 업데이트, 조정, 분석, 표현하는 시스템을 말하며, 지리-공간적 정보를 효율적으로 지원할 수 있다. GIS는 공간 데이터로서 위치 데이터와 속성 데이터로 나눌 수 있다. 예를 들어, 도로는 위치(위도, 경도, 형태, 좌표)에 대한 정보와 각 도로의 속성(이름, 길이, 속도 제한 또는 방향)에 대한 정보로 나누어진다. 이러한 GIS의 활용은 공간분석을 통해 응급 의료기관까지의 거리와 시간을 분석하여 접근성에 문제가 있는 지역을 지도상에 시각적으로 표현할 수 있어 의사결정이 쉽고 다양한 정책 결정에 유용한 수단이 될 수 있다[9-12].

이번 연구에서 GIS를 이용하여 제주특별자치도 내 분석 단위를 생성한 후 119 구급활동 기록지를 이용하여 중증 응급 환자의 발생 규모와 위치를 파악하고 45 km 이상의 이송거리와 30분, 45분, 60분 이상의 이송시간별 제주 지역 중증 응급 질환의 이송 취약 지역을 격자 기반 지리 공간 분석을 통해 hot spots과 cold spots로 시각적으로 제시하였는데, 응급 의료헬기 이송의 수요 빈도 차이와 hot spot grids의 규모 및 분포 위치 등을 고려하여 효율적인 정책 결정이 이루어져야 하며, 이러한 결정에는 헬기 이착륙장을 지정하고 관리하는 지방자치단체가 보유한 자원, 응급 의료기관, 119 구급센터 위치, 인계점 위치 선정에 따른 경제성 등도 함께 고려되어야 할 것이다. 또한 이러한 GIS를 이용한 지리 공간 분석 방법이 향후 응급의료체계 개선과 다양한 응급 의료정책 수립에 유용한 도구가 될 것으로 기대된다.

References

1. Takei Y, Inaba H, Yachida T, Enami M, Goto Y, Ohta K. Analysis of reasons for emergency call delays in Japan in relation to location: high incidence of correctable causes and the impact of delays on patient outcomes. Resuscitation 2010;81:1492–8.
2. De Luca G, Suryapranata H, Ottervanger JP, Antman EM. Time delay to treatment and mortality in primary angioplasty for acute myocardial infarction: every minute of delay counts. Circulation 2004;109:1223–5.
3. National Institute of Neurological Disorders and Stroke rt-PA Stroke Study Group. Tissue plasminogen activator for acute ischemic stroke. N Engl J Med 1995;333:1581–7.
4. Marler JR, Tilley BC, Lu M, Brott TG, Lyden PC, Grotta JC, et al. Early stroke treatment associated with better outcome: the NINDS rt-PA stroke study. Neurology 2000;55:1649–55.
5. Hacke W, Donnan G, Fieschi C, Kaste M, von Kummer R, Broderick JP, et al. Association of outcome with early stroke treatment: pooled analysis of ATLANTIS, ECASS, and NINDS rt-PA stroke trials. Lancet 2004;363:768–74.
6. Adams HP Jr, Adams RJ, Brott T, del Zoppo GJ, Furlan A, Goldstein LB, et al. Guidelines for the early management of patients with ischemic stroke: a scientific statement from the Stroke Council of the American Stroke Association. Stroke 2003;34:1056–83.
7. Lerner EB, Moscati RM. The golden hour: scientific fact or medical “urban legend”? Acad Emerg Med 2001;8:758–60.
8. Kong IS. Future directions of emergency healthcare policy in Korea. J Korean Med Assoc 2010;53:838–40.
9. Hwang JH, Lee JY, Park SW, Lee DW, Lee BW, Na BJ. The analysis of underserved emergency medical services areas in Daejeon Metropolitan City using a geographic information system. J Agric Med Community Health 2012;37:76–83.
10. Ong ME, Tan EH, Yan X, Anushia P, Lim SH, Leong BS, et al. An observational study describing the geographic-time distribution of cardiac arrests in Singapore: what is the utility of geographic information systems for planning public access defibrillation? (PADS Phase I). Resuscitation 2008;76:388–96.
11. Warden CR, Daya M, LeGrady LA. Using geographic information systems to evaluate cardiac arrest survival. Prehosp Emerg Care 2007;11:19–24.
12. Peleg K, Pliskin JS. A geographic information system simulation model of EMS: reducing ambulance response time. Am J Emerg Med 2004;22:164–70.

Article information Continued

Figure 1.

Three steps of analysis were performed for grid based geospatial approach. EMS: emergency medical service, UTMK: universal transverse mercator Korea.

Figure 2.

Hot and cold spots of potential demand for helicopter emergency medical services (HEMS): major incidents ≥30 minutes and ≥45 km.

Figure 3.

Hot and cold spots of potential demand for helicopter emergency medical services (HEMS): major incidents ≥45 minutes and ≥45 km.

Figure 4.

Hot and cold spots of potential demand for helicopter emergency medical services (HEMS): major incidents ≥60 minutes and ≥45 km.

Table 1.

Study population demographics

Prehospital transport time <30 minutes (n=27,762) ≥30 and <45 minutes (n=10,280) ≥45 and <60 minutes (n=7,278) ≥60 minutes (n=2,730) P-value
Gender 0.004
 Male 15,267 (55.0) 5,609 (54.6) 3,833 (52.7) 1,548 (56.7)
 Female 12,495 (45.0) 4,671 (45.4) 3,445 (47.3) 1,182 (43.3)
Age (years) 58.6±23.1 61.4±21.0 63.4±19.7 62.7±19.5 <0.001
Patient type <0.001
 Medical 24,855 (89.5) 9,090 (88.4) 6,559 (90.1) 2,359 (86.4)
 Trauma 2,862 (10.3) 1,164 (11.3) 704 (9.7) 368 (13.5)
 Others 45 (0.2) 26 (0.3) 15 (0.2) 3 (0.1)
Acuity <0.001
 Emergent 19,717 (71.0) 7,410 (72.1) 5,137 (70.6) 1,792 (65.6)
 Urgent 4,805 (17.3) 1,540 (15.0) 1,120 (15.4) 415 (15.2)
 Non-emergent 2,209 (8.0) 943 (9.2) 797 (11.0) 359 (13.2)
 Death 636 (2.3) 307 (3.0) 146 (2.0) 124 (4.5)
 Others 395 (1.4) 80 (0.8) 78 (1.1) 40 (1.5)
Mental state <0.001
 Alert 17,560 (63.3) 6,954 (67.6) 5,425 (74.5) 2,028 (74.3)
 Verbal 3,113 (11.2) 932 (9.1) 646 (8.9) 236 (8.6)
 Pain 3,111 (11.2) 942 (9.2) 529 (7.3) 169 (6.2)
 Unresponsive 3,978 (14.3) 1,452 (14.1) 678 (9.3) 297 (10.9)
CPR <0.001
 No 25,092 (90.4) 9,279 (90.3) 6,823 (93.7) 2,569 (94.1)
 Yes 2,670 (9.6) 1,001 (9.7) 455 (6.3) 161 (5.9)
EMS-assessed OHCA 3,265 (11.8) 1,252 (12.2) 578 (7.9) 254 (9.3) <0.001
Cardiovascular cases 9,689 (34.9) 3,540 (34.4) 2,661 (36.6) 933 (34.2) 0.017
Cerebrovascular cases 16,084 (57.9) 5,650 (55.0) 4,215 (57.9) 1,566 (57.4) <0.001
Major trauma 2,857 (10.3) 1,155 (11.2) 700 (9.6) 368 (13.5) <0.001

Values are presented as mean±standard deviation or number (%).

CPR: cardiopulmonary resuscitation, EMS: emergency medical service, OHCA: out-of-hospital cardiac arrest.

Table 2.

Prehospital duration and transport distance for each emergency medical service (EMS) tasks

Prehospital transport time <30 minutes ≥30 and <45 minutes ≥45 and <60 minutes ≥60 minutes Total P-value
Response time (call to arrival) 5.9±2.7 8.1±4.5 9.2±5.7 14.0±13.0 7.3±5.3 <0.001
Field time (arrival to depart) 5.9±2.7 8.1±4.5 9.2±5.7 13.0±20.6 6.4±6.8 <0.001
Transport time (depart to hospital) 7.1±4.5 22.1±8.2 35.6±8.1 45.8±17.3 16.8±14.7 <0.001
Prehospital time (call to hospital) 18.7±5.6 36.7±4.4 51.0±4.2 72.7±23.4 30.5±17.6 <0.001
Distance 1: km (FD to field) 3.0±2.4 4.9±3.9 5.9±4.5 7.5±5.7 4.1±3.7 <0.001
Distance 2: km (field to hospital) 5.2±4.8 22.1±12.2 36.4±10.9 40.1±12.2 15.5±15.6 <0.001
Distance 3: km (total distance) 8.2±5.7 27.0±12.2 42.2±10.8 47.6±13.1 19.6±16.9 <0.001

Values are presented as mean±standard deviation.

FD: fire department.

Table 3.

Descriptive statistics of potential demand for helicopter emergency medical services (HEMS) in each grid

Total grid (n=1,903) ≥45 km transfer distance
≥30 minutes (n=20,329) ≥45 minutes (n=10,690) ≥60 minutes (n=6,651)
Z ≥2.58 (hot spot) 126 (6.6) 329 (17.3) 350 (18.4)
1.96≤ Z <2.58 171 (9.0) 80 (4.2) 47 (2.5)
-1.96< Z <1.96 959 (50.4) 579 (30.4) 529 (27.8)
-2.58< Z ≤-1.96 157 (8.3) 107 (5.6) 85 (4.5)
Z ≤-2.58 (cold spot) 100 (5.3) 418 (22.0) 502 (26.4)

Values are presented as number (%).