ความสัมพันธ์ระหว่างการคัดแยกผู้ป่วยด้วย MOPH ED Triage กับโอกาสรอดชีวิตด้วยวิธี Trauma and Injury Severity Score (TRISS) ในผู้ป่วยบาดเจ็บ
Article Sidebar
Main Article Content
บทคัดย่อ
ภูมิหลังและเหตุผล
การคัดแยกเป็นขั้นตอนการรักษาผู้ป่วยบาดเจ็บ การตรวจสอบคุณภาพการคัดแยกจึงมีความสำคัญ ประเทศไทยใช้ระบบ MOPH ED. Triage เพื่อคัดแยกผู้ป่วยและใช้ Trauma Injury and Injury Severity Score (TRISS) ตรวจสอบคุณภาพการรักษาผู้ป่วยบาดเจ็บ โดย TRISS คือ ค่าโอกาสรอดชีวิตของผู้ป่วยบาดเจ็บที่คำนวณจากคะแนนการบาดเจ็บด้านสรีระ Revised Trauma Score (RTS) ค่าความรุนแรงการบาดเจ็บ Injury Severity Score (ISS) และอายุของผู้ป่วย ดังนั้น TRISS อาจจะใช้ตรวจสอบคุณภาพของการคัดแยกได้ การศึกษานี้จึงศึกษาความสัมพันธ์ระหว่างการคัดแยกผู้ป่วยด้วย MOPH ED Triage กับ TRISS ในผู้ป่วยบาดเจ็บ
ระเบียบวิธีศึกษา
การศึกษาย้อนหลังเชิงพรรณนา โดยเก็บข้อมูลผู้ป่วยบาดเจ็บที่มาใช้บริการที่โรงพยาบาลสวรรค์ประชารักษ์ ตั้งแต่วันที่ 1 มกราคม ถึง 31 ธันวาคม พ.ศ.2563 จากฐานข้อมูลอิเล็กทรอนิกส์แบบบันทึกข้อมูลเฝ้าระวังการบาดเจ็บแห่งชาติมาวิเคราะห์หาความสัมพันธ์ด้วย Spearman’s correlation coefficient กำหนดค่านัยสำคัญทางสถิติ p-value <0.05
ผลการศึกษา
ผู้ป่วยบาดเจ็บในช่วงระยะเวลาที่ศึกษามีจำนวน 16,662 คน ได้รับการสุ่มด้วยวิธีการสุ่มตัวอย่างแบบง่ายเป็นประชากรตัวอย่างจำนวน 854 คน (ร้อยละ 5.1) พบว่าการคัดแยก MOPH ED. Triage มีความสัมพันธ์เชิงบวกกับ TRISS อย่างมีนัยสำคัญทางสถิติ (Spearman’s correlation coefficient 0.11; p <0.01) มีความสัมพันธ์เชิงลบกับ ISS และอายุของผู้ป่วยอย่างมีนัยสำคัญทางสถิติ (Spearman’s correlation coefficient -0.18; p <0.01 และ -0.08; p 0.02 ตามลำดับ) และไม่มีความสัมพันธ์กับ RTS
สรุปการศึกษา
การคัดแยกผู้ป่วยด้วย MOPH ED Triage มีความสัมพันธ์กับโอกาสรอดชีวิตด้วยวิธี TRISS ISS และอายุ ในผู้ป่วยบาดเจ็บ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Sawanpracharak Hopital. Annual reports 2020. Nakhonsawan: Sawanpracharak Hospital; 2020. (in Thai)
Ministry of Public Health, Strategy and Planning Division. Public Health Statistics A.D. 2019. Nonthaburi: Strategy and Planning Division; 2020. p. 26-38 (in Thai)
World Health Organization. World health statistics 2020: monitoring health for the SDGs, sustainable development goals: The organization; 2020.
Williams NC, Kardon M, Ceci KT, Zahn C, editors. Emergency Severity Index; A triage tool for emergency department care. Version 4: United States of America: Emergency Nurses Association; 2020
Ministry of Public Health, Department of Medical Services. MOPH ED Triage. Nonthaburi: Department of Medical Services; 2018. (in Thai)
Boyd CR, Tolson MA, Copes WS. Evaluating trauma care: the TRISS method. Trauma Score and the Injury Severity Score. J Trauma. 1987;27:370-8.
Bouzat P, Legrand R, Gillois P, Ageron FX, Brun J, Savary D, et al. Prediction of intra-hospital mortality after severe trauma: Which pre-hospital score is the most accurate? Injury. 2016;47:14–8.
Ministry of Public Health, Injury surveillance team. manual for data collection provincial injury surveillance. 5th ed. Nonthaburi: Division of Non Communicable Diseases; 2017. (in Thai)
moph.go.th [Internet]. Thailand: Health KPI: Mortality rate in injured patients [internet]. [cited 2021 Aug 17]. Available from: http://healthkpi.moph.go.th/kpi/kpi-list/view/?id=722 (in Thai)
moph.go.th [Internet]. Thailand: Health KPI: Mortality rate in injured patients with PS more than 0.5; c - [cited 2021 Aug 17]. Available from: http://healthkpi.dms.go.th/kpi2/kpi-list/view/?id=1802 (in Thai)
Raita Y, Goto T, Faridi MK, Brown DFM, Camargo CA, Hasegawa K. Emergency department triage prediction of clinical outcomes using machine learning models. Crit Care. 2019;23: 1-13.
Saisingthong H, Wittayachamnankul B. Correlation between Canadian Triage And Acuity Scale (CTAS) implementation and early outcome of patients in emergency department, Maharaj Nakorn Chiang Mai Hospital. Chiang Mai: Health Systems Research Institute. 2014;8:320-8. (in Thai)
Sian-in T, Joraluck J. The modified rapid emergency medicine score: A trauma triage tool to predict in-hospital mortality in Hatyai hospital. TJEM [Internet]. 2021;3:58-0. [cited 2021 Aug 17]. Available from: https://he02.tci-thaijo.org/index.php/TJEM/article/view/249082 (in Thai)
Hosseinpour R, Barghi A, Mehrabi S, Salaminia S, Tobeh P. Prognosis of the trauma patients according to the Trauma and Injury Severity Score (TRISS); a diagnostic accuracy study. Bull Emerg Trauma. 2020;8:148–55.
Levin S, Toerper M, Hamrock E, Hinson JS, Barnes S, Gardner H, et al. Machine-learning-based electronic triage more accurately differentiates patients with respect to clinical outcomes compared with the emergency severity index. Ann Emerg Med. 2017;71:1-10
Spangler D, Edmark L, Winblad U, Colldén-Benneck J, Borg H, Blomberg H. Using trigger tools to identify triage errors by ambulance dispatch nurses in Sweden: an observational study. BMJ Open. 2020;10:1-8
Zachariasse JM, Hagen V Van Der, Seiger N, Mackway-jones K, Veen M Van, Moll HA. Performance of triage systems in emergency care: a systematic review and meta-analysis. BMJ Open. 2019;9:1-9.
