Applicazione degli indicatori di qualità del progetto Mattoni SSN per la valutazione del Sistema 118 Friuli Venezia Giulia

Introduzione

Negli ultimi decenni la complessità dei trattamenti sanitari preospedalieri è andata aumentando così come le competenze e qualifiche del personale abilitato a erogarle.¹ La valutazione e il miglioramento della qualità dei servizi sono un obiettivo fondamentale di qualsiasi sistema sanitario (SS). Come parte integrante del SS, i sistemi di emergenza territoriale (EMS) devono sviluppare strategie di continuo miglioramento della qualità della loro organizzazione.² Sul piano scientifico però sono ancora scarse le evidenze sull’impatto dei trattamenti avanzati pre-ospedalieri sulla mortalità e morbilità legate a eventi critici quali il trauma grave e l’arresto cardiaco.^3,4 La letteratura sottolinea l’assenza di un sistema di codifica specifico e indicatori consistenti per la misurazione delle performance dell’EMS.⁵ Alcuni sforzi sono già stati effettuati per standardizzare l’acquisizione di dati preospedalieri,^6,7 tuttavia, vi sono ancora degli ostacoli quali la gestione locale degli EMS e le scarse risorse.⁸ L’Unione europea (UE) ha lanciato alcuni progetti aventi il comune obiettivo di identificare i dati da includere nei sistemi informativi dell’emergenza al fine di renderli comparabili e garantire scambio di informazioni fra i Paesi.⁹ A livello nazionale la rilevazione dei dati del 118 è effettuata secondo il DM 15 maggio 1992¹⁰ che stabilisce gli elementi dell’intervento di emergenza da sottoporre a una codifica uniforme sull’intero territorio nazionale e i relativi sistemi di codifica. Le informazioni da raccogliere riguardano tutte le principali fasi della chiamata 118 e all’eventuale invio del mezzo di soccorso. Nonostante ciò, in Italia vi sono tanti sistemi 118 con percorsi formativi e sistemi organizzativi diversi.

Durante la Conferenza StatoRegioni del dicembre 2003 è stato approvato il progetto Mattoni SSN (PM)¹¹ con l’obiettivo di creare un linguaggio nazionale e assicurare la confrontabilità delle informazioni condivise nel nuovo sistema informativo sanitario (NSIS). Il Mattone 11 Pronto Soccorso (PS) e Sistema 118 ha l’obiettivo di rendere disponibili strumenti e metodologie condivisi per consentire lo scambio informativo tra il livello nazionale del NSIS e i sistemi sanitari regionali (SSR).

L’obiettivo di questo studio è valutare l’applicabilità all’EMS del Friuli Venezia Giulia (FVG) degli indicatori Mattoni e trarre eventuali indicazioni utili al miglioramento sia dell’EMS sia degli indicatori stessi. Contestualmente si è proceduto anche all’analisi di completezza e accuratezza del database 118 regionale FVG, indispensabile per il calcolo dei citati indicatori.

Il progetto Mattoni SSN

In una profonda evoluzione del SSN il 22 febbraio 2001 è stato siglato l’accordo Quadro per lo sviluppo del NSIS quale strumento essenziale per il governo della sanità a livello nazionale, regionale e locale. La sua progettazione e la necessità di un linguaggio comune hanno implicato la nascita del progetto Mattoni SSN. L’obiettivo era assicurare che le informazioni create a livello aziendale fossero strutturate e complete di tutti i dati necessari ai successivi livelli di governo. Il progetto Mattoni SSN prevede 15 linee progettuali (Mattoni) sviluppate da altrettanti gruppi di lavoro, una delle quali riguarda il Pronto soccorso e il 118. Le attività di ciascun Mattone sono realizzate da un gruppo di lavoro ristretto con l’obiettivo di definirne i contenuti sulla base del knowhow e dell’esperienza.

Materiali e metodi

è stato adottato un disegno di studio analiticoretrospettivo utilizzando il database del Sistema informativo d’emergenza sanitaria (SIES) del FVG relativamente al periodo 1 gennaio30 settembre 2009, organizzato in sezioni: chiamata, intervento, missione e paziente. La classe intervento concerne l’attività dell’operatore di centrale che gestisce la chiamata, la classe missione riguarda l’attività di un mezzo di soccorso attivato in seguito alla chiamata e le altre 2 classi sono autoesplicative. Si tratta di un database relazionale¹² e pertanto il numero di record nel database corrisponde alla sommatoria delle unità rappresentate nella classe gerarchicamente più bassa per ciascuna chiamata.

Lo studio ha preso in considerazione esclusivamente il gruppo chiamata «primario» (115 362 record) e di questo i record relativi al tipo chiamata «soccorso» (85 071), così suddivisi: 70 484 chiamate, 78 368 missioni e 53 381 pazienti. Sono state eliminate tutte le chiamate cui non è seguita una missione (4 925) e i duplicati delle missioni elisoccorso che, causa limite tecnico del sistema, vengono riprodotte (231). Il database finale analizzato è composto da 79 915 record, corrispondenti a 68 340 chiamate, 78 158 missioni e 50 168 pazienti.

Analisi qualitativa, quantitativa e variabili esaminate

Sono state analizzate 29 variabili considerate necessarie per la successiva applicazione degli indicatori di qualità del PM (documento supplementare 1– completezza delle variabili). Di ciascuna sono stati analizzati alcuni aspetti qualitativi:

• rilevanza: grado in cui l’informazione statistica soddisfa i bisogni reali degli utenti;
• accuratezza: grado in cui l’informazione descrive correttamente i fenomeni;
• tempestività: ritardo tra punto di riferimento relativo all’informazione e la data in cui la stessa diventa disponibile;
• accessibilità: facilità con cui si può conoscere l’esistenza dell’informazione e l’appropriatezza dei mezzi attraverso cui si può averne accesso;
• interpretabilità: disponibilità di informazioni supplementari e metadati per poter interpretare e utilizzare correttamente l’informazione;
• coerenza: grado in cui l’informazione statistica può essere nel tempo integrata ad altri dati all’interno di un’ampia cornice analitica;
• continuità: grado in cui l’informazione statistica è disponibile senza interruzioni temporali;
• revisioni: indicazione dell’esistenza di un processo di controllo di qualità per la valutazione e aggiornamento continuo del database alla luce di nuove esigenze. Di ogni variabile è stata poi verificata la a) coerenza interna, la corrispondenza del tipo di informazione registrata

con quella indicata dal manuale di compilazione o dal tracciato record; b) la coerenza tra variabili diverse all’interno del medesimo database; e infine c) la coerenza nel formato dei valori all’interno dello stesso campo.

Posto che tutte le dimensioni della qualità sono importanti, si è deciso di valutare con maggiore dettaglio gli aspetti dell’accuratezza relativi a percentuale di dati mancanti e frequenza di dati invalidi. Per la percentuale di completezza si è scelta una soglia di compilazione pari al 70% così come indicato dal PM. Ogni indicatore è stato calcolato sia per il sistema regionale in toto che per ciascuna CO.

Risultati

Il database: analisi qualitativa

L’analisi qualitativa del database 118 regionale è riassunta nella tabella 1.

Le informazioni raccolte nel database 118 regionale hanno lo scopo di tracciare l’attività del servizio d’emergenza territoriale in modo esaustivo e puntuale. I dati del flusso informativo consentono di descrivere le attività del 118 sia a livello di CO sia di missioni di soccorso. La CO è l’interfaccia tra il cittadino e il sistema di soccorso sanitario: le sue attività specifiche sono ricevere le richieste di soccorso, valutarne la criticità, attivare e coordinare le risorse disponibili più idonee. Il tipo d’informazioni contenute nel database 118 regionale è sicuramente rilevante per la conduzione di studi sullo stato di salute della popolazione e la valutazione della qualità della risposta fornita dal servizio di emergenza territoriale.

Dall’analisi del database regionale, si è però evidenziata una scarsa accuratezza nella compilazione di alcuni campi con una considerevole frequenza di dati mancanti (per esempio Cra e CF 86%, PAS 84%, GCS 90%), non plausibili (per esempio PAS 745) o non corretti (data/ora partenza mezzo antecedente a data/ora chiamata). La tempestività, intesa come utilizzabilità del dato dal momento in cui l’infermiere inserisce l’informazione, è buona, poiché immediatamente fruibile per limitate indagini. L’interpretabilità delle informazioni contenute nei database è stata sufficiente perché, seppur esistano manuali di compilazione piuttosto dettagliati e tracciati record con la transcodifica delle variabili contenute per ciascuna di esse, da interviste effettuate si è evidenziato come nella pratica esistono divergenze interpretative sul tipo di dato richiesto. I dati contenuti nel database 118 regionale sono coerenti con le indicazioni fornite dal PM, ma le definizioni utilizzate sono standardizzate solo in parte: per esempio il codice rosso di massima priorità è registrato dalle 4 CO in modo diverso («emergenza» oppure «molto critico» oppure «4 emergenza»).

Per ovviare a tale problema in fase di analisi è stato compiuto un raggruppamento dei diversi valori in classi uniformi.

Il sistema di raccolta dati svolgendo funzioni di gestione dell’EMS regionale, oltre che di analisi epidemiologiche, controllo di qualità e altre attività amministrative, è caratterizzato da estrema continuità e non dovrebbero esserci interruzioni in quanto si tratta di dati correnti. Durante l’analisi, però, si sono riscontrate delle discontinuità di alcuni ambiti che nel tempo hanno subito modifiche a seguito di revisioni del programma (aggiunta a fine marzo 2009 della voce «soccorso a persona» al campo «dinamica presunta/riscontrata»).

Per quanto concerne l’aspetto qualitativo delle revisioni, il database ha subito diverse modifiche nel corso della sua esistenza ed è tuttora in fase di modifica. Se da un lato questo può comportare delle difficoltà agli infermieri, dall’altro è indice di qualità e di miglioramento dell’accuratezza delle informazioni.

Il database: analisi quantitativa

Elevata percentuale maggiore di missing (documento supplementare 1 completezza delle variabili) è stata evidenziata per le variabili «dinamica presunta» e «riscontrata» (79%), codice regionale assistito e codice fiscale (86%), pressione arteriosa sistolica e Glasgow Coma Scale rispettivamente del 84% e 90%. Una consistente incompletezza di dati (40%) si riscontra nell’anagrafica paziente (nome e cognome, età e data di nascita). Nel 100% dei casi manca la variabile «tipo luogo» e vi sono 175 record privi del comune target.

La corrispondenza del tipo d’informazione registrata con quella indicata dal manuale di compilazione o dal tracciato record è generalmente buona anche se le variabili relative a patologia e dinamica presunta e riscontrata, presentando delle opzioni mutualmente esclusive, non consentono agli infermieri di registrare due situazioni compresenti (per esempio emorragia ed emorragia digestiva). Analogo problema è stato riscontrato per la variabile «tipo luogo» in cui le opzioni possono sovrapporsi generando informazioni diverse (per esempio: urbano e casa).

La coerenza tra variabili diverse è buona, anche se sono stati evidenziati casi inspiegabili d’incongruenza tra data/ora chiamata e data/ora partenza mezzo in cui il secondo valore era antecedente al primo. Sulla coerenza nel formato dei valori all’interno del medesimo campo sono stati evidenziati casi di valori non plausibili (per esempio PAS 745) che il sistema dovrebbe segnalare come errore (documento supplementare 2 appropriatezza informazioni).

EMS regionale

Dei 64 indicatori nazionali del PM, 20 sono risultati calcolabili: 8 di risorse (tabella 2, indicatori dall’1 all’8), 8 d’utilizzo (tabella 2, indicatori 9, 11, 24, 25, 26, 27, 28, 29), 4 di performance (tabella 2, indicatori 12, 14, 15, 17), nessuno sullo stato di salute della popolazione.

Gli 8 indicatori di risorse statiche a disposizione della regione e delle singole province in rapporto agli abitanti e all’estensione territoriale dimostrano un’organizzazione estremamente disomogenea delle 4 CO regionali. La CO 1 è la più ricca di risorse in relazione al numero di abitanti, mentre la CO 3 la più fornita rispetto ai km2. La CO 4, sia in rapporto alla popolazione che ai km2, è quella con il minor numero di risorse a disposizione.

Gli indicatori concernenti le ore di utilizzo delle risorse rispecchiano le dimensioni delle 4 province.

Il risultato degli indicatori di performance di risposta nei codici ad alta priorità in area urbana a livello regionale rientra nei limiti degli 8’ previsti dal DPR del 1992 nel 56,14% per tutte le risorse e nel 48,81% per la risorsa avanzata (ALS). La CO 1 raggiunge la percentuale maggiore sia in relazione a tutte le risorse (83,74%) sia relativamente al solo ALS (75,81%). La performance inferiore è della CO4 con il 42,06% per tutte le risorse e il 39,09% per l’ ALS.

L’intervallo allarmetarget in tutti i codici di gravità è abbastanza conforme a quello calcolato a livello regionale del 14,18 per tutte le risorse e del 12,06 per l’ALS, anche se si rileva un certo aumento per CO 2 e CO 4. Nel dubbio interpretativo rispetto a questo gruppo d’indicatori si è proceduto al calcolo degli stessi considerando solo l’arrivo del primo mezzo di soccorso. I risultati assoluti sono cambiati sensibilmente, anche se la sequenza tra CO è rimasta invariata (documento supplementare 3 arrivo del primo mezzo).

A livello regionale la percentuale di risposte ad alta priorità che esitano con il trasporto del paziente in ospedale è del 32% con differenze sostanziali tra le singole province: CO1=28%; CO2=41%; CO3=24%; CO4=38% (tabella 4, [valore indicatore 28/valore indicatore 24]*100) . La percentuale di codici rossi sul totale è del 4% sia a livello regionale sia di singola provincia (tabella 2, indicatore 27). La CO2 ha il numero inferiore di risposte ad alta priorità in un anno sia in termini assoluti che in relazione alla popolazione residente e ai km2.

Discussione

L’analisi quantitativa e qualitativa del database 118 regionale ha evidenziato numerosi aspetti carenti. In riferimento alla completezza delle variabili, le poche che non presentano alcun dato mancante sono quelle che prevedono la registrazione automatica da parte del programma o relative a campi obbligatori senza i quali il sistema si blocca.

Una consistente percentuale di missing (38-42%) emerge nelle variabili inerenti l’anagrafica pazienti. Ancora più numerosi sono i missing relativi alle variabili CRA e CF (circa 86%) per la cui registrazione l’operatore deve attivare la ricerca nell’anagrafica regionale, procedura che non recupera dati di pazienti residenti fuori regione e richiede circa 20” d’attesa, non sostenibile durante la ricezione della chiamata. Sui parametri clinici sono stati presi per esempio due sole variabili a disposizione del sistema (PAS/GCS) per verificare l’adesione alla registrazione della scheda medica informatizzata.

I risultati dimostrano un importante difetto di compilazione (PAS missing = 84,09%; GCS missing = 90,57%), che ha impedito il calcolo degli indicatori inerenti lo stato di salute della popolazione. Ciò impedisce la possibilità di condurre studi epidemiologici sulla verifica del sistema e sull’individuazione dei bisogni della popolazione servita.^13,14 Tali dati consentirebbero anche la valutazione dei protocolli clinici in uso per verificarne validità e applicazione.

è verosimile che tale problema sarà risolto non appena l’inserimento della scheda medica informatizzata sarà possibile a tutte le postazioni d’ambulanza. Al momento dello studio (novembre 2009) solo 5 su 25 erano abilitate a tale operazione, anche se solo tre di queste vi adempievano regolarmente. Un’altra fonte d’inaccuratezza del database è la possibilità di rilevare la stessa informazione in modo diverso che ha attivato progetti di omogeneizzazione regionale delle variabili. Si è inoltre evidenziato come lo stesso sistema informatico sia utilizzato in modo diverso dagli infermieri delle 4 CO, disomogeneità che impedisce un’analisi corretta del database e un confronto tra le CO. Un’attività di formazione capillare si rende necessaria.

L’ultimo parametro qualitativo nel quale è stato rilevato un certo grado d’inadeguatezza è la continuità. Il programma informatico nel tempo ha subito molteplici modifiche richieste dagli operatori e dal gestore dell’applicativo. Anche nel periodo preso in considerazione dal nostro studio, vi sono state modificazioni di alcune variabili che hanno richiesto un aggiustamento in corso di calcolo degli indicatori. Per questo motivo per le variabili «dinamica presunta» e «riscontrata» sono stati considerati solo i dati successivi al 31 marzo 2009. Da tale data, infatti, è stata aggiunta la voce «soccorso a persona» la cui assenza nel precedente periodo induceva l’Infermiere a lasciare vuoto il campo in caso di patologia non traumatica aumentando, conseguentemente, il numero di missing. è comunque evidente che la continuità è un parametro di valutazione che risente negativamente degli interventi sul sistema che invece ne migliorano altri come per esempio l’accuratezza.

L’applicazione degli indicatori del PM sull’EMS regionale ha evidenziato notevoli difformità organizzative, gestionali e di performance tra le 4 province. In particolare, gli indicatori 12 e 14 dimostrano che la percentuale di risposta entro gli 8’ nelle missioni a massima priorità in area urbana è considerevolmente diversa tra le CO sia in relazione alle risorse in toto che al solo ALS. Uno dei motivi ipotizzati è la possibilità che le missioni dell’elisoccorso possano incidere sul risultato considerato che il suo tempo d’arrivo nei centri urbani della Regione (a eccezione di quello dove è situata l’elibase) è sempre superiore agli 8’. Gli indicatori sono stati ricalcolati escludendo queste missioni ma i risultati (non riportati nello studio) sono stati sovrapponibili ai precedenti. è stata analizzata, quindi, la disponibilità di risorse nei soli centri urbani che rispecchiano sostanzialmente quelle di tutto il territorio. Se i ritardi nei tempi di soccorso derivassero almeno in parte da dotazioni insufficienti o mal distribuite, i tempi di utilizzo dovrebbero in linea di massima avere un andamento speculare a quello delle risorse, indicando uno sfruttamento dei mezzi più elevato nelle CO con meno risorse e tempi di soccorso più lunghi. è stata tentata, quindi, una standardizzazione dividendo le ore di utilizzo totale (n. 9) per il numero di abitanti di competenza di ciascuna centrale. I risultati sono diversi da quanto ipotizzato (CO 1: 0.063 ore per abitante, CO 2: 0.035, CO 3: 0.075, CO 4: 0.043): il fatto che l’utilizzo non sia speculare alle dotazioni sembra suggerire che forse la relazione tra risorse e ritardi non è così semplice e anche altri fattori entrano in gioco nel determinare i tempi di soccorso. Un altro possibile motivo della difformità di prestazione tra le diverse realtà potrebbe essere la localizzazione fisica dei mezzi di soccorso nei centri urbani: una posizione decentrata rispetto al centro abitato potrebbe determinare un allungamento dei tempi d’arrivo in certe zone e una riduzione in altre. Questa situazione comporta un peggioramento delle performance se l’indicatore misura la percentuale di soccorsi sotto una certa soglia di tempo, ma non necessariamente quando è utilizzata una misura riassuntiva come la media o mediana. Gli indicatori del PM non permettono questo confronto perché utilizzano le due diverse modalità di misura del tempo di soccorso in contesti diversi (soglia per l’area urbana e mediana per l’intero territorio).

Un primo limite degli indicatori è rappresentato dalla suddivisione tra risorse di base e avanzate che è corretta e ben dettagliata nelle definizioni, ma non si adatta alla situazione reale del FVG dove vi è una grande disomogeneità di competenze ed esperienze, specialmente dietro le etichette «Medico» o «Infermiere». Un secondo limite del PM è legato agli indicatori 12 e 14 che non specificano se l’intervallo di tempo allarmetarget per i codici a massima priorità in area urbana debba essere calcolato su tutti i mezzi o limitatamente al primo mezzo che giunge sul luogo del soccorso. Secondo la normativa nazionale (DPR 27 marzo 1992) la risposta del sistema è considerata idonea ai bisogni della popolazione se il mezzo di soccorso è presente sul luogo dell’evento, in area urbana, entro 8 minuti dalla ricezione della chiamata. Probabilmente per la valutazione della performance del sistema il calcolo su tutti i mezzi è più corretto, ma è altresì vero che il primo mezzo rappresenta una risposta efficace alle richieste dell’utenza.

Alcuni indicatori non esprimono chiaramente i criteri per l’identificazione dei dati necessari al loro calcolo: per gli indicatori 12 e 14 manca una definizione operativa e standardizzata di area urbana. Negli indicatori 40 e 41 (rispettivamente: numero di traumi maggiori p.a. e tasso di traumi maggiori p.a./100.000 abitanti) non sono specificati i criteri per identificare il trauma maggiore (Injury Severity Score? Ricovero in rianimazione? Durata degenza?) così come i 42 e 43 (numero delle difficoltà respiratorie severe p.a. e tasso delle difficoltà respiratorie severe p.a./100.000 abitanti) non indicano i dati necessari per l’identificazione della difficoltà respiratoria severa (frequenza respiratoria? Cianosi? Saturazione arteriosa?). è sicuramente ragguardevole il tentativo di ottenere degli indicatori nazionali che possano consentire il confronto tra realtà nazionali diverse ma appare evidente che sono necessarie ulteriori revisioni e limature che ne consentano l’applicabilità in contesti molto dissimili tra loro.

I principali limiti del presente studio sono rappresentati dall’ambito temporale di analisi (9 mesi) determinato dal fatto che il sistema di raccolta dati ha subito molte modifiche tra il 2008 e 2009 e, pertanto, una valutazione di qualità su un periodo diverso avrebbe perso in attualità e utilità. Molti degli indicatori del PM prevedono la valutazione su base annuale il che ha richiesto una stima approssimativa basata sull’assunzione indimostrata che l’andamento dell’attività dell’EMS sia omogeneo durante tutto l’anno. Se durante i tre mesi invernali, non ritratti nel database studiato, vi fossero dei cambiamenti rilevanti, i loro effetti sarebbero qui ignorati. Essendo focalizzato sulla sola attività di soccorso, non è stato possibile valutare i carichi di lavoro globali delle CO (comprendenti anche l’organizzazione e gestione di trasporti secondari) sebbene questi possano sicuramente avere un effetto sulle prestazioni degli Infermieri nella gestione dei soccorsi.

Questo studio rappresenta la prima valutazione organica di un sistema di raccolta dati attivo da molti anni. I limiti e i problemi evidenziati, se da un lato impongono di utilizzare i dati provenienti da questo sistema con molta attenzione, dall’altro evidenziano la necessità di procedere a un suo miglioramento. Riguardo gli indicatori del PM, non è stato possibile trovare altri studi che li abbiano valutati dopo la loro applicazione «in vivo» e sarà interessante, quando ciò avverrà, effettuare confronti tra questa e altre realtà nazionali.

Conclusioni

I limiti del database potrebbero dipendere sia dalla formazione eterogenea del personale che da carenze implicite del sistema informatico. La conseguenza è una banca dati incompleta e imprecisa che minaccia la valutazione della qualità del servizio 118 regionale. Questo suggerisce la necessità di un intervento basato sulla standardizzazione delle definizioni, training periodico degli Infermieri sui manuali e sensibilizzazione sull’importanza dell’inserimento corretto dei dati; inoltre, sarebbe necessario rendere obbligatoria la compilazione di alcune variabili (dati anagrafici e scheda medica). Sull’accessibilità delle informazioni è evidente che la manipolazione di dati sensibili non può essere indiscriminata, ma alla luce di quanto emerso si rende necessaria una semplificazione e velocizzazione della procedura di recupero degli stessi. Infine, a fronte di un aumento dei carichi di lavoro derivante dai punti precedenti, sarà necessario valutare l’eventuale adeguamento delle risorse umane. L’applicazione dei 20 indicatori del PM ha evidenziato come i risultati in termini di risorse statiche, di utilizzo e di performance siano sostanzialmente diversi tra le 4 CO della Regione. L’auspicio è che i risultati ottenuti possano agevolare il progetto di revisione della rete annunciato dal PSR 20102013. L’interpretazione degli indicatori ha evidenziato come gli stessi presentino delle difficoltà applicative, il cui superamento sarà attuabile con un ulteriore sforzo collaborativo tra professionisti dell’emergenza con la loro esperienza quotidiana, epidemiologi attenti agli aspetti analitici, personale amministrativo interessato agli aspetti gestionali e informatici.

Lo studio ha evidenziato l’importante ruolo dei sistemi informativi per l’analisi della qualità degli EMS e la valutazione dello stato di salute della popolazione. Contestualmente è emersa l’estrema difficoltà a standardizzare la registrazione dell’attività territoriale, data la varietà delle procedure e la ristrettezza dei tempi d’intervento che limita le possibilità di registrare dati sul campo. Tuttavia la registrazione elettronica esaustiva dei pazienti e delle loro caratteristiche sanitarie è un obiettivo al quale ogni EMS dovrebbe tendere.

Conflitti di interesse: nessuno

Bibliografia

1. Olasveengen TM, LundKordahl I, Steen PA, Sunde K. Outof hospital advanced life support with or without a physician: effects on quality of CPR and outcome. Resuscitation. 2009;80(11):1248-1252.
2. Dunford J, Domeier RM, Blackwell T, et al. Performance measurements in Emergency Medical Services. Prehosp Emerg Care 2002;6:92-98.
3. Van Olden GD. Clinical impact of advanced trauma life support. Am J Emerg Med 2004;22(7):522-525.
4. Isenberg DL, Bissell R. Does advanced life support provide benefits to patient?: a literature review. Prehosp Disaster Med 2005;20(4):265-270.
5. McLean SA, Maio RF, Spaite DW, Garrison HG. Emergency medical services outcomes research: evaluating the effectiveness of prehospital care. Prehosp Emerg Care. 2002; 6(2):S52-56.
6. Cummins RO, Chamberlain DA, Abramson NS, et al. Recommended guidelines for uniform reporting of data from outofhospital cardiac arrest: the Utstein Style. Ann Emerg Med 1991;20(8):861-874.
7. Dick WF, Baskett PJ, Grande C, et al. Recommendations for uniform reporting of data following major trauma–the Utstein style. Acta Anaesthesiol Belg 2000;51(1):18-38.
8. Mears G, Ornato JP, Dawson DE. Emergency medical services information systems and a future EMS national database. Prehospital Emergency Care 2002;6(1):123-130.
9. European Emergency Data Project (EEDP). EMS Databased Health Surveillance System.Status Quo 25 March 2004 Report to the Second Health Systems Working Party Luxembourg.
10. DM 15 maggio 1992. Criteri e requisiti per la classificazione degli interventi di emergenza. Roma. Pubblicato sulla G.U. 25 maggio 1992, n. 121, Serie generale.
11. Progetto Mattoni SSN: http://www.mattoni. salute.gov.it/mattoni/mattoni.jsp.
12. INSIEL Mercato SpA. Sistema Informativo 118. Tracciato estrazione dati 118. IAQAQMD01.
13. Ely M, Hyde LK, Donaldson A, Furnival R, Mann NC. Evaluating State capacity to collect and analyze Emergency Medical Serrvices data. Prehosp Emerg Care 2006; 10:14-20.
14. Spaite DW, Keim SM, Maio RF, Garrison HG, Desmond JS, Gregor MA, at al. Establishing the scope and methodological approach to outofhospital outcomes and effectiveness research. Acad Emerg Med 2004;11(10): 1067-1073.