群体伤亡事件中的数字化协同：IVENA-MANV实施前后院前分流时间的回顾性分析

背景：数字化协同工具已被提出用于改善群体伤亡事件（mass casualty incidents, MCIs）中的管理。2021年，IVENA-MANV系统作为既有IVENA电子健康（eHealth）平台的扩展，在汉诺威地区投入使用，以实现数字化患者追踪和医院容量管理。然而，尚无真实世界研究对其运行效应进行量化评估。

目的：本研究旨在提供IVENA-MANV数字协同系统的首个真实世界评估，并确定其实施如何影响群体伤亡事件中的院前分流流程及时间间隔。

方法：研究人员开展了一项回顾性观察研究，使用德国汉诺威地区2018年1月至2025年7月期间全部群体伤亡事件的调度记录和IVENA-MANV日志，评估IVENA-MANV数字协同平台对MCIs院前时间的影响。主要结局为每例患者的分诊至后送时间（triage-to-evacuation, TtE）和总院前时间（total prehospital time, TPHT）。采用Mann-Whitney U检验比较实施前后两组，并以多元线性回归模型检验IVENA-MANV使用、MCI等级与时间间隔之间的关联。

结果：共有73起MCIs符合纳入标准，其中包含188例已记录的个体伤员特征。41.1%的事件使用了IVENA-MANV。多数MCIs与创伤相关（65.8%），并与交通事件相关（64.4%）。平均TtE为40.2 ± 19.3 min，平均TPHT为83.9 ± 29.5 min。实施前后队列之间未发现具有统计学意义的差异（p > 0.05）。回归分析证实，MCI等级是延长时间间隔的唯一显著预测因素（p < 0.001）。IVENA-MANV可实现结构化医院分配和实时容量确认（首次确认平均用时1.8 min），且不延长现场停留时间。

结论：IVENA-MANV的实施未显著影响院前时间间隔，但在协同、文档记录和医院沟通方面显示出定性优势。因此，数字系统在灾难医学中的价值可能主要体现于增强协同能力和信息韧性，而非加快后送速度。仍需开展前瞻性多中心及混合方法研究，以评估其更广泛的系统层面影响。

该文发表于《European Journal of Trauma and Emergency Surgery》，围绕群体伤亡事件（mass casualty incidents, MCIs）中数字化协同平台的真实世界效应展开评估。MCIs是院前急救体系中最复杂的场景之一，其核心特征在于短时间内伤员数量与区域医疗资源之间出现明显失衡，导致调度、检伤分类、转运与医院接收能力在高压条件下受到严峻挑战。既往研究已指出，总院前时间与重症创伤患者结局密切相关，而高效后送不仅关系到个体救治时效，也关系到灾害现场资源的快速释放和区域医疗系统的整体承压能力。尽管检伤分类体系、撤离流程和救治算法已有进展，但院前阶段的协同困难仍反复出现，尤其表现为信息流不充分、态势感知不足、医院负荷分配不均及治疗延迟。数字化协同工具因此被提出作为潜在解决方案，但既往证据主要来自模拟研究，缺乏真实世界量化评估。正是在这一背景下，研究人员针对2021年在德国汉诺威地区引入的IVENA-MANV系统开展研究，以检验该系统是否能够通过实时医院容量可视化、数字化患者分配与追踪，改善MCIs中的院前分流流程及时间指标。

研究人员采用回顾性观察设计，对2018年1月30日至2025年7月31日期间汉诺威地区官方登记的MCIs进行分析，并按系统实施前后分为两个时期。研究结果显示，IVENA-MANV实施后并未显著缩短分诊至后送时间（triage-to-evacuation, TtE）、总现场时间（total on-scene time, TOS）或总院前时间（total prehospital time, TPHT）。相反，多元线性回归分析表明，真正决定时间延长的关键因素是事件严重程度，即MCI分级，而非是否使用IVENA-MANV。这意味着在真实救援场景中，院前时间更多受伤员规模、现场复杂性和操作负荷驱动，数字工具本身并不足以直接改变这些由物理与组织复杂性决定的时间结构。

尽管如此，研究并未否定数字系统的价值。相反，IVENA-MANV在若干关键协同维度上表现出明确优势。首先，系统能够快速完成医院容量确认，首次确认平均仅需1.8 min，并可在较短时间内建立全事件容量总览。其次，平台支持结构化医院分配，将患者与具体救护车辆及接收医院进行数字化关联，有助于实时患者追踪、文书记录和后续转运分析。再次，实施后数据完整性改善明显，实施前组存在分诊时间戳缺失，而数字平台组未出现此类缺失。更重要的是，在具备完整分诊与分配数据的个体转运中，医院分配适宜率达到93.2%，提示该系统有助于实现符合区域规范的患者去向决策，尤其是在红色与黄色优先级患者向适当创伤中心分流方面具有重要意义。因此，该研究的重要意义在于提供了数字化灾难医疗协同系统的首个真实世界量化证据，并提示其价值可能更多体现在提升协同质量、信息韧性与患者安全，而非单纯追求撤离速度。

本研究的主要技术方法包括：基于德国汉诺威地区消防调度中心辖区内2018年1月至2025年7月全部MCIs构建单中心回顾性队列；从COBRA调度管理系统与IVENA-MANV日志提取并交叉核对时间戳与转运信息；以个体患者转运为主要分析单元、事件为聚类单位；采用Mann-Whitney U检验比较实施前后TtE、TPHT与TOS差异；采用带聚类稳健标准误的多元线性回归模型分析IVENA-MANV使用与MCI等级对各时间指标的影响；并通过变异系数（coefficient of variation, CV）评估医院分配均衡性，同时对医院分配适宜性进行规范一致性判定。

在研究结果部分，作者首先以“Post implementation casualty reporting and system comparison”为小标题，比较实施后COBRA与IVENA-MANV两平台对伤员记录的一致性。分析显示，COBRA记录的每起事件平均伤员数明显高于IVENA，但两系统在分诊类别构成上总体一致，均以黄色和绿色患者为主。只有23.3%的事件在两系统中显示完全一致的转运数量，且17.8%的事件中COBRA所记录的首例患者撤离时间早于IVENA-MANV首个数字分流日志生成时间。这一现象提示在高压救援场景中，传统无线电流程仍可能优先于数字登记，反映出数字流程整合尚不充分。

在“Evaluation of prehospital time intervals”部分，作者重点评估IVENA-MANV对核心时间结局的影响。结果显示，实施后组中，系统在初始报警后平均19.6 ± 10.5 min启动，首次医院容量确认平均耗时1.8 ± 2.2 min，整个事件的容量总览平均在29.5 ± 22.5 min内完成，首个数字化转运分配到实际撤离之间平均间隔8.8 ± 5.8 min。虽然这些数字说明数字协同过程本身较为迅速，但TtE、TPHT和TOS在实施前后均无统计学差异。回归模型进一步证实，MCI等级是延长院前时间的唯一显著预测因素，而IVENA-MANV对三项主要时间指标均未表现出显著影响。作者还按转运顺序T1至T9进行分析，发现随着撤离序列推进，TtE、TPHT和TOS均逐步增加，但任一具体转运序位在实施前后均未见显著差异，再次说明事件规模而非数字工具决定撤离节奏。

在“Hospital allocation”部分，作者从医院分布均衡性与分配适宜性两个层面评估数字平台的作用。首先，对涉及两类及以上医院的事件计算变异系数（CV）后发现，实施前后患者在不同医院类型间的分布均衡性无显著差异，说明IVENA-MANV并未在统计学上改变总体分流平衡格局。其次，在实施后具有完整数据的147例转运中，总体医院分配适宜率达到93.2%。分层分析显示，绿色患者100%被送至适宜机构，黄色患者为96.7%，红色患者为83.3%。不适宜分配主要表现为部分红色患者被送往Ⅲ级创伤中心或非创伤医院，少数黄色患者被送往非创伤机构。与此同时，儿科医院收治以及非创伤诊断情形下的非创伤中心分配被判定为适宜。这些结果表明，IVENA-MANV至少在实施后队列中支持了较高水平的规范化医院匹配。

讨论部分指出，本研究的核心发现并非数字化平台改善了时间效率，而是其价值更多体现在协同质量与系统韧性。作者认为，COBRA记录的撤离先于IVENA录入的“文档滞后”现象，表明在高危、高紧迫度场景下，救援人员会优先执行既有无线电工作流，数字登记则可能滞后进行。这种“并行处理”提示新系统在早期可能引入一定认知或行政负担，从而削弱理论上的时间获益。研究还指出，实施后的首年主要为测试运行，后续系统使用亦未完全统一，且关键功能如患者分配代码（PZC）的应用存在不一致，这进一步解释了为何未观察到明确的时间优势。另一方面，作者强调，院前时间虽是关键指标，但灾难医学中的目标并不只是“更快”，还包括“更正确”地将患者首次送至适当医院，并防止邻近医院系统性过载。在这一意义上，IVENA-MANV通过实时容量信息、结构化分配和较高的分配适宜率，体现了其在提高患者安全、优化资源配置及促进院前—院内协同中的潜力。研究同时指出，统一数字系统还可为院前与院内团队提供联合培训平台，从而提升MCI应对准备度。

研究结论部分可译为：尽管IVENA-MANV显著改善了文档记录和医院协同，但这些数字化优势并未转化为更快的现场撤离。研究结果表明，院前时间间隔的首要决定因素仍是事件本身的物理复杂性，而非技术工具。数字工具的价值在于“质量优先于速度”：其能够确保符合指南的医院分配，并预防系统范围内的过载。对于灾难应对规划者而言，本研究表明，数字平台应依据其提升态势感知与患者安全的能力进行评价，而不应仅被视为缩短时间的工具。