丹麦医疗健康与生命科学2018–2019哥本哈根紧急医疗服务
用于识别112急救来电中心脏骤停的机器学习预警
哥本哈根一项针对112来电的心脏骤停预警试验显示，调度员识别率未见显著提高，但模型的灵敏度高于调度员
问题
调度员在紧急来电中会漏掉约25%的院外心脏骤停，从而延误心肺复苏。
方法
一个模型在哥本哈根监听丹麦紧急电话号码112的来电，并标示疑似心脏骤停。被标示的来电被随机分组，分别向调度员显示或不显示预警。这项双盲试验自2018年9月1日进行至2019年12月31日。模型处理了169,049通来电，标示了5,242通。
主要数据
90.5% vs 93.1%无预警与有预警时调度员对确诊心脏骤停的识别率（P = .15，不显著；研究者还报告预警组为93.7%）
85.0% vs 77.5%模型与仅由调度员判断的灵敏度对比
17.8% vs 55.8%模型与调度员的阳性预测值对比
启示
灵敏度优于人类的模型本身并不会改变调度员的做法。作者指出，特异度较低以及人机交互是下一步要解决的问题。
分类
来源
来源摘要
[1]JAMA Network Open2021年1月6日
Blomberg等人开展的同行评议随机试验。在5,242通被标示的来电中，654通涉及经确诊的心脏骤停。无预警时调度员的识别率为90.5%，有预警时为93.1%，差异不显著；模型的灵敏度高于调度员，但特异度和阳性预测值较低。
详细内容请参阅原始来源。
收录日期 2026年10月25日 · 更新日期 2026年10月25日
