Variables predictoras de víctimas graves, críticas o fallecidas en los accidentes de tráfico en Extremadura

e201911069

Autores/as

  • José Antonio Morales-Gabardino Unidad Medicalizada de Emergencias de Cabeza del Buey. Servicio Extremeño de Salud. Badajoz. España.
  • Laura Redondo-Lobato Centro de Salud de Solana de los Barros. Servicio Extremeño de Salud. Badajoz. España.
  • Francisco Buitrago-Ramírez Centro de Salud Universitario La Paz. Servicio Extremeño de Salud. Facultad de Medicina. Universidad de Extremadura. Badajoz. España.

Palabras clave:

Accidentes de tráfico, Lesiones por accidentes de tráfico, Mortalidad, Unidades de emergencia médica

Resumen

Fundamentos: Los accidentes de tráfico constituyen un problema de salud pública y son la principal causa de muerte accidental en el mundo. El objetivo de este trabajo fue analizar si el tipo de accidente, la edad de la víctima o la atención prestada por las unidades medicalizadas de emergencia (UME) estaban relacionados con la morbimortalidad por accidentes de tráfico en Extremadura durante los años 2012, 2013, 2014 y 2015.

Sujeto y métodos: Se elaboró un estudio descriptivo de la información registrada en el Centro Coordinador de Urgencias y Emergencias-112. Se realizó un análisis multivariante, considerándose como variable dependiente el estado pronóstico y como variables independientes el tipo de accidente, la edad de los accidentados y las UME.

Resultados: El tipo de accidente (odds ratio (OR)=1,745; intervalo de confianza al 95% (IC95%)=1,488-2,045], la edad de la víctima (OR=1,016; IC95%=1,013-1,020), la UME 4-3 (OR=4,304; IC95%= 2,158-8,587), la UME 4-1 (OR=2,463; IC95%=1,414-4,291) y la UME 1-4 (OR=1,990; IC95%=1,052-3,762) tuvieron relación con el estado pronóstico de las víctimas.

Conclusiones: Los accidentes interurbanos, la edad de la víctima y tres UME influyen en el estado pronóstico de las víctimas.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

World Health Organization, Global Status Report on Road Safety 2015. (Consultado 30 marzo 2019). Disponible en http://www.who.int/violence_injury_prevention/road_safety_status/2015/en/.

Instituto Nacional de Estadística. Informes sobre la mortalidad de los años 2012, 2013, 2014 y 2015. (Consultado 30 marzo 2019). Disponible http://www.ine.es.

Smith AP. A UK survey of driving behaviour, fatigue, risk taking and road traffic accidents. BMJ Open 2016; http://dx.doi.org/10.1136/bmjopen-2016-011461.

Protocolo de actuación y buenas prácticas en la atención sanitaria inicial al accidentado de tráfico. Grupo de Trabajo de la Sociedad Española de Urgencias y Emergencias (SEMES). Ministerio de Sanidad y Política Social. Gobierno de España. Año 2010 (Consultado 30 marzo 2019). Disponible en http://www.mscbs.gob.es/novedades/docs/bpAccidentadoTrafico.pdf.

Informe de carreteras por provincias, 2015. Ministerio de Fomento. (Consultado 30 marzo 2019). Disponible en https://www.fomento.gob.es/MFOM.CP.Web/handlers/pdfhandler.ashx?idpub=BTW031.

Instituto Nacional de Estadística. Censo nacional y Comunidad Autónoma de Extremadura. Año 2015. (Consultado 30 marzo 2019). Disponible en http://www.ine.es.

Morales-Gabardino JA, Redondo-Lobato L, Buitrago-Ramírez F. Análisis de tiempos de las unidades medicalizadas de emergencia en la atención a los accidentes de tráfico en Extremadura. Emergencias 2018; 30:265-7.

Fredriksson R, Bylund PO, Oman M. Fatal Vehicle-to-Bicyclist Crashes in Sweden - an In-Depth Study of injuries and vehicle sources. Ann Adv Automot Med 2012; 56:25-30.

Yang CS, Chen SC, Yang YC, Huang LC, Guo HR, Yang HY. Epidemiology and patterns of facial fractures due to road traffic accidents in Taiwan. A 15 years retrospective study. Traffic Inj Prev. 2017; 18:724-9.

Blackwell TH, Kaufman JS. Response time effectiveness: comparison of response time and survival in an urban emergency medical services system. Acad Emerg Med 2002; 9:288–95.

Jaja BN, Eghwrudjakpor PO. Effect of demographic and injury etiologic factors on intensive care unit mortality after severe head injury in a low middle income country. Ann Afr Med. 2014; 13:204-9.

Dong C, Clarke DB, Yan X, Khattak A, Huang B. Multivariate random-parameters zero-inflated negative binomial regression model: an application to estimate crash frequencies at intersections. Accid Anal Prev. 2014; 70:320-9.

Descargas

Publicado

15-11-2019

Cómo citar

1.
Morales-Gabardino JA, Redondo-Lobato L, Buitrago-Ramírez F. Variables predictoras de víctimas graves, críticas o fallecidas en los accidentes de tráfico en Extremadura: e201911069. Rev Esp Salud Pública [Internet]. 15 de noviembre de 2019 [citado 16 de mayo de 2025];93:7 páginas. Disponible en: https://ojs.sanidad.gob.es/index.php/resp/article/view/1187

Número

Sección

Originales

Categorías

Artículos más leídos del mismo autor/a