heading-frise

9.3 Automatisk ulykkesvarsling

Bilde: https://safe112.eu/about-ecall/
Formål med automatisk ulykkesvarsling er å redusere varslingstiden, dvs. tiden det tar fra ulykken skjer til ulykken er varslet til redningstjenesten, især når ingen av de innblandede er i stand til å varsle, og å redusere utrykningstiden ved å gi nøyaktig informasjon om ulykkesstedet. Den teoretisk mulige effekt av automatisk ulykkesvarsling på antall drepte er anslått til (maksimalt) mellom -2% og -4%. De fleste studiene er basert på dybdestudier av dødsulykker hvor det i hver enkelt ulykke er vurdert hvorvidt den omkomne kunne ha overlevd med automatisk ulykkesvarsling. Avansert automatisk ulykkesvarsling har de samme funksjonene som automatisk ulykkesvarsling og kan i tillegg gi redningstjenesten et bedre informasjonsgrunnlag for beslutninger som gjelder behovet for behandling på ulykkesstedet og ev. videretransport til sykehus. Virkningen på ulykker kan være noe større enn virkningen av automatisk ulykkesvarsling uten de avanserte funksjonene, men det er kun svært få studier med sprikende og usikre resultater som har forsøkt å tallfeste effekten.

Problem og formål

Personskader etter trafikkulykker er ofte tidsavhengige, dvs. at utfallet kan bli verre jo lenger tid det tar til den skadde får medisinsk hjelp (Champion, 2005; Schoell et al., 2015). Mer alvorlige skader er i gjennomsnitt i større grad tidsavhengige enn mindre alvorlige skader (med mindre den skadde dør umiddelbart) og skader på hode, overkropp og mage er som regel mer tidsavhengige enn skader på andre kroppsdeler (Schoell et al., 2015).

Den første tiden etter at en alvorlig skade oppstår, beskrives ofte som «the golden hour», noe som innebærer at den skadde bør få medisinsk hjelp fortest mulig. Begrepet kan ikke tolkes bokstavelig som at risikoen for å ikke overleve skadene, øker betydelig fra under til over en time, men ikke i løpet at den første timen eller etter at det har gått en time (Lerner & Moscati, 2001). Sammenhengen mellom tiden som går fra skade til behandling, er for øvrig forskjellig for ulike typer skader, og ikke alltid statistisk signifikant (Lerner & Moscati, 2001; Newgard et al., 2015).

Ett av formålene med automatisk ulykkesvarsling er å redusere varslingstiden, dvs. tiden det tar fra ulykken skjer til ulykken er varslet til den akuttmedisinske kommunikasjonssentralen (AMK), ved å sende nødmeldinger når ingen av de innblandede er i stand til dette. I eldre studier var varslingen av ulykker relativt ofte betydelig forsinket (Evanco, 1999; Virtanen, 2005). Etter at disse studiene ble gjort, er det blitt langt flere som har mobiltelefoner og man kan derfor anta at det er færre ulykker som blir varslet med store forsinkelser. Likevel finnes det fortsatt ulykker hvor ingen av de innblandede er i stand til å varsle, f.eks. fordi de er bevisstløse eller har ikke mobiltelefon.

Et annet formål med automatisk ulykkesvarsling er å redusere responstiden, dvs. tiden det tar fra ulykken er varslet til ambulansen (eller lege eller redningshelikopter) er på ulykkesstedet, ved å gi nøyaktig informasjon om hvor ulykken har skjedd. Den største delen av responstiden er som regel utrykningstiden. Denne kan bli betydelig forsinket når stedsangivelsen for ulykken er feil eller unøyaktig (Lindholm, 2004). I Finland var andelen upresise stedsangivelser etter dødsulykker i 2004 på over 50% (Virtanen, 2005).

Det finnes en rekke studier som viser at lengre varslings- og responstiden har sammenheng med redusert overlevelse, både før og etter at det har gått én time (f.eks. BSD Consultants, 1999; Feero et al., 1995; Gonzales et al., 2009). Uten kontroll for hvor alvorlige ulykkene eller skadene er, kan slike sammenhenger delvis skyldes at mer alvorlige ulykker oftere skjer i områder hvor utrykningstidene er lange pga. lange avstander til nærmeste sykehus eller legevakt. At ulykker i slike områder i gjennomsnitt er mer alvorlige, skylde bl.a. at farten som regel er høyere enn i byområder. Men også studier som har kontrollert for skadenes eller ulykkenes alvorlighet (eller for faktorer som har sammenheng med disse), viser at lengre responstider har sammenheng med økt dødelighet (Clark et al., 2013; Dinh et al., 2013; Plevin et al., 2017; Sánchez-Mangas et al., 2010).

Forsinkelser i varslings- og responstider etter ulykker forekommer mest etter alvorlige ulykker med kun ett kjøretøy innblandet, som eneulykker og viltulykker, samt etter ulykker om natten og på lite trafikkerte veger i spredtbygde strøk. Ved slike ulykker er ofte ingen andre tilstede som kan varsle ulykken og avstanden til nærmeste sykehus er ofte er lang (Brodsky, 1993; Virtanen, 2005).

Målgruppen for automatisk ulykkesvarsling er i hovedsak personer som har kritiske skader, som ikke dør av skadene i de første to minuttene og som fikk forsinket akuttmedisinsk hjelp og ev. videretransport på grunn av manglende varsling eller upresis eller feil stedsangivelse. Andelen som dør i løpet av de første minuttene etter ulykken, utgjør ifølge flere studier mellom 28% og 50% av alle som blir drept i trafikkulykker (Akella et al., 2003; Bachmann & Prezotti, 2001; Clark & Cushing, 2002; Henriksson et al. 2001; Lee et al., 2017). Blant disse er det ingen eller få som kan tenkes å overleve ved tidligere varsling eller forkortet responstid. Personer som dør etter ulykker som ble varslet umiddelbart (innen ca. ett minutt) og hvor ambulanse, lege eller redningshelikopter ikke ble forsinket på grunn av uklar stedsangivelse, er heller ikke i målgruppen.

Avansert automatisk ulykkesvarsling har, i tillegg til å redusere varslings- og responstiden, som formål å forbedre informasjonsgrunnlaget for beslutninger om hvilken type av medisinsk behandling som trolig kreves og hvorvidt noen av de innblandede i ulykken behøver transport til et vanlig sykehus eller traumesenter. Med traumesenter menes sykehus som er spesialisert på behandlingen av de mest alvorlige akutte skadene. En studie av et avansert automatisk ulykkesvarslingssystem i USA (Schulman et al., 2010) viste at det var skadde personer som ble transportert til sykehus eller traumesenter i 13% av ulykkene som ble varslet automatisk og hvor en person i bilen sa at ingen i ulykken var skadd. Dette viser at selv alvorlig skadde noen ganger ikke er klare over skadeomfanget. Også ved åpenbare skader kan det være vanskelig å vurdere behandlings- og transportbehovene korrekt.

Målgruppen for avansert automatisk ulykkesvarsling er, i tillegg til målgruppen for automatisk ulykkesvarsling, i hovedsak skadde som burde ha fått behandling på et traumesenter, men som på grunn av manglende informasjon om skadenes alvorlighet, ble transportert til et vanlig sykehus (Jonsson et al., 2015).

Effektene av behandling av skadde på ulykkesstedet og transport til sykehus er beskrevet i kapitlene 9.1 og 9.2.

Beskrivelse av tiltaket

Automatisk ulykkesvarsling: Automatisk ulykkesvarsling (Automatic Crash Notification, ACN) er systemer i biler som kan varsle ulykker, enten direkte til en offentlig nødmeldesentral (som f.eks. AMK i Norge) eller til bilprodusentenes egen alarmsentral. Nødmeldinger kan sendes automatisk når informasjon fra sensorer i bilen tyder på at bilen hadde en ulykke, eller manuelt. Automatisk ulykkesvarsling er i hovedsak utviklet for lette kjøretøy.

eCall er et automatisk ulykkesvarslingssystem som siden 31. mars 2018 er obligatorisk i alle nye biler som følge av EU-krav. Automatisk varsling av ulykker med eCall utløses når bilen er utsatt for samme belastning som i en fullskala front- eller sidekollisjonstest. Meldingen om ulykken sendes til en «Public Safety Answering Point» (f.eks. AMK, i Norge). Meldingen inneholder informasjon om at det er registrert en ulykke, samt type bil og bilens posisjon (GPS-koordinater). Når en nødmelding er mottatt, forsøker operatøren å få kontakt med personer i bilen og kan, dersom det er indikasjoner på at dette er nødvendig, sette i gang en redningsaksjon.

Flere bilprodusenter har allerede i flere år tilbudt automatisk ulykkesvarsling som ekstrautstyr. Disse systemene kan sende meldinger om ulykker til bilprodusentenes egne informasjonssentral, enten automatisk eller manuelt, flere har i tillegg avanserte funksjoner (se følgende avsnitt) og systemene kan som regel også brukes til å spore opp stjålne biler.

Avansert automatisk ulykkesvarsling: Dette er en utvidet variant av automatisk ulykkesvarsling (Advanced Automatic Crash Notification, AACN). Ved automatisk sending av nødmeldinger kan slike systemer, i tillegg til generell informasjon om sted og kjøretøy, sende informasjon som kan gi en indikasjon på antall skadde personer, skadenes alvorlighet, hvorvidt skadene kan antas å være tidsavhengige og hvorvidt skadde trolig behøver behandling på et traumesenter (Bahouth et al., 2014; Bose et al., 2011; Schulman et al., 2010). Informasjon er basert på bl.a. fartsreduksjonen, velt og beltebruk (Schoell et al., 2015). Slik detaljert informasjon kan bidra til et bedre grunnlag for prehospital triage. Triage betegner prosessen «for å bestemme prioritering i behandling av pasienter basert på hvor alvorlig deres medisinske tilstand er» (wikipedia.ord). Etter trafikkulykker er relevante beslutninger især hvilken type behandling som kreves på ulykkesstedet og hvorvidt skadde etter ulykker bør tas til et vanlig sykehus eller et traumesenter (Stitzel et al., 2016). I USA er det estimert at slike systemer fantes i 20% av alle nye lette kjøretøy i 2016 (Lee et al., 2017).

En evaluering av et avansert automatisk ulykkesvarslingssystem viste at det i de aller fleste ulykkene som ble varslet automatisk, ble oppnådd kontakt med noen i bilen (Schulman et al., 2010). Kun i 1,1% av ulykkene ble det ikke oppnådd kontakt. I ulykkene hvor det ikke ble oppnådd kontakt, var det kun 20% hvor noen i bilen var skadd og måtte transporteres til sykehus. Selv om dette ikke er eksplisitt vurdert i studien, kan resultatet tyde på at det er en relativt stor andel falske alarmer.

Automatisk ulykkesvarsling for andre trafikantgrupper enn personbiler: Ulike systemer for motorsykler og sykler er under utvikling (Ponte et al., 2013; BMW, 2016; Sandsjö et al., 2016). Systemer for motorsykler kan være installert på motorsykkelen. Det finnes også apper for mobiltelefoner og som kan brukes av bl.a. syklister («Crash App») eller motorsyklister («BikerSOS»). Generelt fungerer slike apper slik at systemet kan sende et varsel (til en «crash buddy» ved Crash App) når det ved sykling/kjøring registreres en bevegelse som kan tolkes som et sammenstøt, fulgt av ingen bevegelse. Appen kan også sende stedsinformasjon og lage lys og lyd for å gjøre det enklere å finne vedkommende.

Virkning på skadde og drepte

Automatisk ulykkesvarsling: Automatisk ulykkesvarsling kan påvirke skadeforløpet etter ulykker, men ikke antall ulykker eller ulykkenes alvorlighet. Resultater fra studier som har forsøkt å tallfeste mulige virkninger av automatisk ulykkesvarsling på antall trafikkdrepte, er oppsummert i tabell 9.3.1. De fleste studiene er basert på dybdestudier av dødsulykker. I slike studier er det for hver enkelt ulykke vurdert hvorvidt varslingen ble forsinket og hvorvidt dette kan ha påvirket utfallet. Andre studier har undersøkt sammenhengen mellom varslings- eller responstid og sannsynligheten for å ikke overleve skadene etter en ulykke og ut fra denne sammenhengen og den antatte effekten av automatisk ulykkesvarsling på varslings-/responstid, estimert den mulige effekten av automatisk ulykkesvarsling. Resultatene fra begge typer studier kan tolkes som maksimalt mulige effekter av automatisk ulykkesvarsling. Én av studiene (Chauvel & Haviotte, 2011) er basert på personskadeulykker som ble varslet med et automatisk ulykkesvarslingssystem. I denne studien er det for hver enkelt ulykke vurdert hvor relevant systemet har vært. Det er ikke funnet studier som har undersøkt den faktiske virkningen på skadeutfallet.

Tabell 9.3.1: Oversikt over studier som har estimert mulige virkninger av automatisk ulykkesvarsling.

  Ulykker/skadde i studien Data og metode / kriterier for «kan bli påvirket av automatisk ulykkesvarsling» Estimert effekt på antall drepte
Evanco, 1999 (USA) Drepte i spredtbygde strøk (1990; N = 25.761, analysene er basert på aggregert data på state-level, N = 49) Ulykkesstatistikk (dødsulykker)

Sammenheng mellom gjennomsnittlig varslingstid og antall drepte per delstat med stat. kontroll for andre variabler

-11,9%

Kan ikke brukes til å trekke konklusjoner om årsaksforhold / effekt av aut. ulykkesvarsling

Henriksson et al., 2001 (Nord-Sverige) Dødsulykker i spredtbygde strøk (1990-1994; N = 474) Dybdestudier av dødsulykker

Estimert maks. andel som teoretisk kunne ha overlevd ved tidligere varsling

-10%

Teoretisk øverste maksimum for effekten (ikke antatt faktisk effekt)

 

Clark & Cushing, 2002 (USA) Drepte (1997; N = 30.875) Ulykkesstatistikk (dødsulykker)

Multivariat analyse av sammenheng mellom varslingstid og sannsynlighet for å overleve blant innblandede i dødsulykker; estimert effekt beregnet ved å sette varslingstiden lik én i modellen

-1,5% (min. anslag)

-5,8% (maks. anslag)

Virtanen, 2005; Sihvola et al., 2009 (Finland) Drepte i motorkjøretøy (2001-2003, N = 929) Dybdestudier av dødsulykker

Estimert andel som kunne ha overlevd ved tidligere varsling ut fra varslingstid og obduksjonsprotokoll

-4,7% (sannsynlig)

-8,0% (maks. mulig)

Lahausse et al., 2008 (Australia) Drepte i personbiler (2001-2004; N = 3841) Analyse av varslingstider og annen studie

Estimert reduksjon av antall drepte ut fra reduksjon av varslingstiden fra aktuelle gjennomsnitt til ett min. og estimert sammenheng mellom varslingstid og risiko for å bli drept ifølge Evanco (1999)

-11%

Rent teoretisk beregning som ikke kan generaliseres

Chauvel & Haviotte, 2011 (Frankrike) Ulykker med personbiler (2004-2011; N = 418 personer i 202 ulykker; eneulykker, spredtbygd strøk og lettere skader er overrepresentert) Dybdestudier av ulykker i eCall-database (ulykker hvor nødmelding ble sendt med bilprodusentens egen automatisk ulykkesvarsling)

Estimerte andeler av ulykkene hvor det er antatt at en person har overlevd på grunn av eCall og som hadde omkommet uten eCall

-2,7% (estimert effekt på totalt antall drepte)

 

 

Ponte et al., 2013 (Australia) Dødsulykker (2008-2009; N = 138) Dybdestudier av dødsulykker

Drepte i ulykker som ble varslet forsinket og hvor obduksjonsrapporten indikerer at forsinket behandling har bidratt til dødsfallet

 

-2,2% (trolig; byområder: 1,7%, spredtbygd strøk: 2,5%)

-4,4% (trolig eller mulig; byområder: 3,4%, spredtbygd strøk: 5,0%)

Ohlin et al., 2014 (Sverige) Dødsulykker med motorkjøretøy (2011; N = 247) Dybdestudier av dødsulykker

Drepte i ulykker som ble varslet over ett min. etter ulykken og som ikke døde momentant eller hadde skader som er ansett som ikke overlevbare

-3,2%
Wu et al., 2015 (USA) Dødsulykker hvor den omkomne døde innen seks timer etter ulykken (2009-2012; N = 23.252 dødsulykker) Ulykkesstatistikk (dødsulykker og ulykker med hardt skadde)

Sammenheng mellom varslingstid og overlevelse, med statistisk kontroll for andre faktorer ved ulykkene

-1,5% (min. anslag)

-2,0% (maks anslag)

Høye et al., 2016 (Norge) Dødsulykker med motorsykkel (2005-2014; N = 249 drepte i 241 ulykker) Dybdeanalyser av dødsulykker

Drepte i ulykker som ble varslet med betydelig forsinkelse (tre ulykker), som ikke ble varslet (tre ulykker) eller som ble funnet med forsinkelse (én ulykke); skader som ikke er vurdert som ikke overlevbare

2,8% (inkl. noen som muligens døde momentant eller druknet)

1,6% (uten dem som muligens døde momentant eller druknet)

Trolig underestimert effekt da informasjon om varslings-/redningstid mangler for mange ulykker1

Høye, 2017 (Norge) Fartsrelaterte dødsulykker med personbiler (2011-2015; N = 86 drepte i 75 ulykker) Dybdeanalyser av dødsulykker

Drepte i ulykker som ble varslet med betydelig forsinkelse (to ulykker som ble varslet av forbipasserende) eller som ikke ble varslet (to ulykker); skader som ikke er vurdert som ikke overlevbare

7,0% (inkl. tre tilfeller av drukning)

3,5% (dersom man utelater tre tilfeller av drukning)

1 Dersom man kun inkluderer drepte i ulykker med informasjon i analysen (N = 47%), er andelen som kunne ha overlevd, 14,9% og 8,5% uten dem som muligens døde momentant eller druknet; der er imidlertid usannsynlig at andelen med forsinket redning er like stor i ulykkene hvor det mangler informasjon som i ulykkene hvor varslings-/redningstiden er dokumentert.

Resultatene i tabell 9.3.1 viser at studiene som er gjort etter 2010, har estimert den teoretisk mulige effekten av automatisk ulykkesvarsling på antall drepte til en reduksjon på mellom 2% og 4%. Dette gjelder uavhengig av hvilken type data som er brukt (dybdestudier av dødsulykker eller analyser av ulykkesstatistikk). Ifølge Høye (2017) er den mulige reduksjonen av antall drepte på opptil 7%, men dette er basert på relativt få ulykker som ble varslet forsinket eller ikke i det hele tatt; i tillegg gjelder resultatet kun fartsrelaterte ulykker som i gjennomsnitt er mer alvorlige enn andre ulykker med personbiler.

Tidligere studier har til dels funnet betydelig større effekter. Dette kan delvis skyldes metodiske svakheter, men lavere andel førere som har mobiltelefoner kan også være en del av forklaringen. De metodisk mest solide blant de eldre studiene (Clark & Cushing, 2002; Virtanen, 2005; Sihvola et al., 2009) har funnet effekter som er i omtrent samme størrelsesorden som i de nyere studiene.

En annen mulig effekt av automatisk ulykkesvarsling er at det i tilfeller hvor dødsfall ikke kan forhindres, kan være en større sjanse for at den omkomne kan brukes som organdonor (Bachmann & Prezotti, 2001).

Det er ikke funnet studier som systematisk har vurdert andelen falske alarmer (andelen av alle gangene det sendes et varsel, når ingen alvorlig ulykke har skjedd) eller hvilke konsekvenser falske alarmer kan ha for redningstjenesten for øvrig og dermed for skadeforløp og utfall etter andre skader.

Faktorer som påvirker effekten av automatisk ulykkesvarsling: Det er flere faktorer som påvirker effektiviteten av automatisk ulykkesvarsling, og som er relevante for hvilken virkning som kan forventes av implementeringen av eCall i Norge, bl.a.:

  • Geografisk fordeling av ulykker og fordelingen av ulykkestyper: Automatisk ulykkesvarsling antas å ha større effekt i spredtbygde strøk og i eneulykker (Bachmann & Prezotti, 2001; Clark & Cushing, 2002; Garrison et al., 2002). Årsakene er færre muligheter for å ringe nødnummeret (for eksempel dårlig mobildekning og ingen andre trafikanter) og mer alvorlige skader.
  • Andre faktorer som påvirker ulykker og skadegraden i ulykker: Hvis antallet meget alvorlige personskader blir redusert som følge av ande tiltak, vil det være færre ulykker hvor automatisk ulykkesvarsling kan påvirke utfallet. Trafikksikkerhetstiltak som har omtrent samme type ulykker som målgruppe som automatisk ulykkesvarsling, er bl.a. skrenskontroll (ESC), profilert vegoppmerking og fartsreduserende tiltak. Økt bruk av slike tiltak kan antas å redusere effektiviteten av automatisk ulykkesvarsling.

Avansert automatisk ulykkesvarsling: Tabell 9.3.2 viser en oversikt over studier som har estimert mulige virkninger av avansert automatisk ulykkesvarsling. Det er kun funnet to slike studier. Begge er basert på analyse av ulykkesstatistikk hvor sammenhengen mellom ulike parametere som kan påvirkes av avansert automatisk ulykkesvarsling og sjansen for å overleve ulykken, er undersøkt.

Tabell 9.3.2: Oversikt over studier som har estimert mulige virkninger av avansert automatisk ulykkesvarsling.

  Ulykker/skadde i studien Data og metode / kriterier for «kan bli påvirket av automatisk ulykkesvarsling» Estimert effekt på antall drepte
Jonsson et al., 2015 (Sverige) 1 Ulykker med personbiler (2006-2014; N = 154 drepte) Ulykkesstatistikk (offisiell personskadeulykkesstatistikk; dybdestudier av dødsulykker)

Multivariat analyse av faktorer som påvirker risikoen for å bli drept; estimert effekt bygger på antakelsen at alle triage-beslutninger vil være ”perfekte”

-8,6%

Basert på effekt på triage; kan ikke brukes til å trekke konklusjoner om årsaksforhold / effekt av aut. ulykkesvarsling

Lee et al., 2017 (USA): Økt utbredelse av avansert automatisk ulykkesvarsling fra 20% til 100%1 Dødsulykker med lette kjøretøy (2009-2015; N = 153.538) Ulykkesstatistikk (dødsulykker og personskadeulykker)

Estimert sammenheng mellom skadenes alvorlighet og sannsynlighet for å overleve i vanlig sykehus vs. på traumesenter, estimert effekt på forbedret triage, og effekt av tidligere varsling ifølge Wu et al., 2015)

-1,6-3,3%

(Effekt av kun tidligere varsling er under halvparten så stor)

Inkluderer effekt på triage; effekt av tidligere varsling fra annen studie

1 Resultatet gjelder den estimerte effekten av forbedrede triage, dvs. at å sende flere av dem som krever mer avansert behandling, til traumesenter.

Den mulige effekten av avansert automatisk ulykkesvarsling i studien til Jonsson et al. (2015) er trolig overestimert. Resultatet fra Lee et al. (2017) virker mer realistisk. Det er omtrent i samme størrelsesorden som effektene som er estimert for automatisk ulykkesvarsling (tabell 9.3.1), men inkluderer effekten av et bedre triage-informasjonsgrunnlag.

Det er gjort flere studier som har undersøkt hvorvidt avansert automatisk ulykkesvarsling kan predikere behovet for at det er skadde i ulykken som har skader som er tidsavhengige og/eller krevet behandling på traumesenter. Et generelt problem ved slik informasjon (f.eks. «behøver» vs. «behøver ikke behandling på traumesenter») er at jo flere man vil identifisere korrekt blant dem som krever (avansert) behandling, desto større vil andelen falske alarmer være. Hvis man derimot vil minimere andelen falske alarmer, vil man også redusere andelen korrekt identifiserte blant dem som behøver behandlingen (Bahouth et al., 2014; Enriquez & Lee, 2017). Likevel viser flere studier at avansert automatisk ulykkesvarsling kan gi et bedre informasjonsgrunnlag og dermed øke andelen riktige beslutninger om behandling og transport (Bose et al., 2011; Lee et al., 2017; Plevin et al., 2017; Stitzel et al., 2016).

Virkning på framkommelighet

Teoretisk kan automatisk ulykkesvarsling forbedre framkommeligheten, bl.a. ved å øke effektiviteten av redningsinnsatsen og dermed redusere køer knyttet til ulykker (Abele et al., 2004). Effekten av automatisk ulykkesvarsling er imidlertid trolig størst når det er minst trafikk og etter slike ulykker vil effekten på andre trafikanters framkommelighet være veldig liten. Informasjon fra automatisk ulykkesvarsling kan også benyttes til trafikkstyring (Walker et al., 2010) og i systemer som kan kommunisere mellom kjøretøy (Jokinen et al., 2005) og dermed redusere køer og forbedre framkommeligheten.

Virkning på miljøforhold

Det er ikke funnet dokumenterte effekter av automatisk ulykkesvarsling på miljøforhold. Dersom trafikkavviklingen bedres etter ulykker, vil dette kunne påvirke miljøet positivt.

Kostnader

Det er to typer kostnader knyttet til implementering av automatisk ulykkesvarsling:

  • Systemet i kjøretøy
  • Kommunikasjonsinfrastruktur for redningstjenesten.

Kostnadene for kjøretøy er i 2015 estimert til omtrent €100 per kjøretøy (Frost & Sullivan, 2015).

Kostnadene for redningstjenestene vil variere etter land. Ifølge Regjeringen.no (2013) anslår den Europeiske Kommisjonen kostnadene for oppgradering av mottakssentralene per land til €1,1 mill. i gjennomsnitt. Dette inkluderer kostnadene til etablering av mottak for eCall, tekniske oppgraderinger, opplæring av operatører og ev. økt bemanning. Andre publikasjoner kommer imidlertid fram til langt høyere kostnadsanslag. I Storbritannia er implementeringskostnadene anslått til €500 mill. av Frost & Sullivan (2015). Kostnadene per kommunikasjonssentral (Public Safety Answering Point) er anslått til mellom €100.000 og €565.000 av Paris (2013). I Norge fantes det i 2013 19 slike sentraler; regjeringen.no (2013). Eldre studier som har estimert kostnader ved innføringen av eCall, er bl.a. Abele et al. (2004), Virtanen (2005) og Austroads (2004).

Antall automatiske og manuelle anrop som vil gjøres til nødmeldesentralen via eCall er basert på informasjon fra Regjeringen.no (2013) anslått til henholdsvis 0,7% og 6,6% av alle anrop til AMK. Hvilke kostnader disse anropene innebærer (og hvor mange av dem som kan være falske alarmer), er ukjent.

Nytte- kostnadsvurderinger

Det foreligger ikke tilstrekkelig detaljert informasjon om kostnader ved automatisk ulykkesvarsling for å gjennomføre realistiske nyttekostnadsvurderinger. Eldre studier har estimert nytte-kostnadsbrøk (N/K) som følgende:

  • Abele et al. (2004): N/K mellom 1,3 og 8,5. Ulykkeskostnader er forutsatt redusert med mellom 15 og 30%.
  • Virtanen et al. (2005): N/K mellom 0,55 og 2,3, avhengig av hvorvidt man legger høye eller lave anslag på nytte og kostnader til grunn. Den estimerte virkningen på antall drepte er beskrevet i tabell 9.3.1.
  • Elvik et al. (2009): N/K mellom 0,26 og 4,22, avhengig av anslag på nytte (basert på resultatene fra studien til Virtanen, 2005), kostnader og implementeringsscenario.

To av tre studier viser at automatisk ulykkesvarsling kan være samfunnsøkonomisk enten lønnsomt eller ulønnsomt, avhengig av hvilken nytte og hvilke kostnader man legger til grunn. Den tredje studien (Abele et al., 2004) har funnet større nytte enn kostnader i alle scenariene, men den forutsatte effekten på antall drepte og hardt skadde er langt større enn effektene som ble funnet i (nyere) empiriske studier. Hvorvidt kostnadsanslagene i de tre studiene er realistiske, er ikke kjent. Ingen av studiene har tatt hensyn til ev. kostnader som oppstår for redningstjenesten som følge av falske alarmer.

Formelt ansvar og saksgang

Initiativ til tiltaket

eCall er siden 31. mars 2018 obligatorisk i alle nye biler som følge av EU-krav.

Formelle krav og saksgang

Tekniske krav til eCall er nærmere beskrevet av kommisjonsforordningen (EU) 2017/79 av 12. september 2016 (https://www.regjeringen.no/no/sub/eos-notatbasen/notatene/2015/okt/tekniske-krav-og-testprosedyrer-for-ecall-i-bil/id2458910/).

Justis- og politidepartementet har ansvar for installering av infrastruktur, organisering og opplæring av redningstjenesten.

Spørsmål om personvern er diskutert i en rekke eldre studier (bl.a. Austroads, 2004; Bachmann & Prezotti, 2001). I tilfeller der systemet gir ingen eller feil meldinger, oppstår det spørsmål om ansvar og skadeerstatningskrav (Bachmann & Prezotti, 2001).

Ansvar for gjennomføring av tiltaket

I Norge ledes eCall-prosjektet av Samferdsels- Helse og omsorgs- og Justis- og politidepartementet. Helse- og omsorgsdepartementet har overordnet ansvar for akuttmedisinsk beredskap, og fastsetting av systemkrav for å sikre funksjonsdyktighet, kvalitet og samordning av de tjenestene som skal fungere enhetlig på landsbasis. Departementet har utviklet en forskrift om medisinsk nødmeldetjeneste.

De regionale helseforetakene har ansvar for etablering av nødnummeret 113, etablering og drift av AMK’ene, kommunikasjonsberedskap og -utstyr for ambulansetjenesten. De kommunale brannvesen har ansvar for nødnummeret 110, mens politiet driver nødnummer 112. Det er ikke avgjort om anrop via eCall i Norge primært vil håndteres av brann, politi eller helse. Det pågår imidlertid utredning av sammenslåing av sentralene med et felles nødnummer 112.

Referanser

Abele, J., Kerlen, C. & Krueger, S. (2005). Exploratory study on the potential socio-economic impact of the introduction of intelligent safety systems in road vehicles (SEiSS). Teltow: VDI/VDE.

Akella, M., Bang, C., Beutner, R., Delmelle, E. Batta, R., Blatt, A. Rogerson, P. & Wilson, G. (2003). Evaluating the reliability of automated collision notification systems. Accident Analysis and Prevention, 35, 349-360.

Austroads (2004). Automatic crash notification devices. Sydney: Austroads Inc.

Bachmann, L.R. & Prezotti, G.R. (2001). Automated collision notification (ACN). Field operational test evaluation report. DOT HS 809 304.

Bahouth, G., Graygo, J., Digges, K., Schulman, C., & Baur, P. (2014). The Benefits and Tradeoffs for Varied High-Severity Injury Risk Thresholds for Advanced Automatic Crash Notification Systems. Traffic Injury Prevention, 15(sup1), S134-S140.

BMW (2016). With the optional “Intelligent Emergency Call”, BMW Motorrad is offering a motorcycle eCall system for the first time. BMW Corporate Communication, Media information, 02. May 2016.

Bose, D., Crandall, J. R., McGwin, G., Goldman, J., Foster, J., & Fine, P. R. (2011). Computational methodology to predict injury risk for motor vehicle crash victims: A framework for improving Advanced Automatic Crash Notification systems. Transportation Research Part C: Emerging Technologies, 19(6), 1048-1059.

Brodsky, H. (1993). The call for help after injury road accidents. Accident Analysis and Prevention, 25, 123-130.

BSD Consultants (1999). An integrated system for early detection and response to remote-area road crashes feasibility study. Prepared for Transport, Office of Road Safety, Western Australia, August 1999.

Champion, H. R. (2005). New tools to reduce deaths and disabilities by improving emergency care. Paper Number 05-0191.

Chauvel, C., & Haviotte, C. (2011). eCall System; French a posteriori efficiency evaluation. Twenty Third International Conference on Enhanced Safety of Vehicles. Washington DC: National Highway Traffic Safety Administration.

Clark, D. E. & Cushing, B.M. (2002). Predicted effect of automatic crash notification on traffic mortality. Accident Analysis and Prevention 34, 507-513.

Dinh, M. M., Bein, K., Roncal, S., Byrne, C. M., Petchell, J., & Brennan, J. (2013). Redefining the golden hour for severe head injury in an urban setting: the effect of prehospital arrival times on patient outcomes. Injury, 44(5), 606-610.

Elvik, R., Høye, A., Vaa, T., & Sørensen, M. (2009). The handbook of road safety measures. Bingley, UK: Emerald.

Enriquez, J., & Lee, E. (2017). Predicting severe injury in motor vehicle crashes. Paper presented at the 25th International Technical Conference on the Enhanced Safety of Vehicles (ESV) National Highway Traffic Safety Administration.

Evanco, W. M. (1999). The potential impact of rural mayday systems on vehicular crash fatalities. Accident Analysis and Prevention 31, 455-462.

Feero, S., Hedges, J.R., Simmons, E. & Irwin, L. (1995). Does out-of-hospital EMS time affect trauma survival? American Journal of Emergency Medicine, 13, 133-135.

Frost & Sullivan (2015). eCall Mandate—A Cost Burden for Car Manufacturers Rather than a Driver for the European Connected Car Market. http://www.frost.com/sublib/display-market-insight.do?id=294662783 (last accessed 29/06/2018).

Garrison, H.G., Gough, S.B., Swanson, M.S. & Cunningham, P.R.G. (2002). The react project: Rural enhancement on access and care for traumata. National Highway Traffic Safety Administration, U.S. DOT HS 809 521.

Gonzalez, R. P., Cummings, G. R., Phelan, H. A., Mulekar, M. S., & Rodning, C. B. (2009). Does increased emergency medical services prehospital time affect patient mortality in rural motor vehicle crashes? A statewide analysis. The American Journal of Surgery, 197(1), 30-34.

Henriksson, E., Öström, M. & Eriksson, A. (2001). Preventability of vehicle-related fatalities. Accident Analysis and Prevention, 33, 467-475.

Høye, A., Vaa, T. & Hesjevoll, I.S. (2016). Temaanalyse av dødsulykker på motorsykkel 2005-2014. TØI-Rapport 1510/2016. Oslo: Transportøkonomisk institutt.

Høye, A. (2017). Dybdestudier av fartsrelaterte ulykker ved bruk av UAG-data. TØI-rapport 1569/2017. Oslo: Transportøkonomisk institutt.

Jokinen, R., Vanhanen, K., Ellmen, P., Eloranta, T., Weckström, M., Särkkä, S., Luoto, M. & Välikangas, J. (2005). end2end telematiikkapalvelun prototyyppi. Helsinki: AINO julkaisut 15/2005.

Jonsson, J., Lubbe, N., Strandroth, J., & Thomson, R. (2015). The effect of advanced automatic collision notification (AACN) on road fatality reduction in Sweden. Paper presented at the FAST-zero 2015 Symposium.

Lahausse, J. A., Fildes, B. N., Page, Y., & Fitzharris, M. P. (2008). The Potential for Automatic Crash Notification Systems to Reduce Road Fatalities. Annals of Advances in Automotive Medicine / Annual Scientific Conference, 52, 85-92.

Lee, E., Wu, J., Kang, T., & Craig, M. (2017). Estimate of mortality reduction with implementation of advanced automatic collision notification. Traffic Injury Prevention, 18(sup1), S24-S30.

Lerner, E. B., & Moscati, R. M. (2001). The golden hour: scientific fact or medical “urban legend”? Academic Emergency Medicine, 8(7), 758-760.

Lindholm, R. D. (2004). A pan-european automatic emergency call (eCall). Ålborg University, dissertation.

Newgard, C. D., Meier, E. N., Bulger, E. M., Buick, J., Sheehan, K., Lin, S., . . . the, R. O. C. I. (2015). Revisiting the “Golden Hour”: An Evaluation of Out-of-Hospital Time in Shock and Traumatic Brain Injury. Annals of Emergency Medicine, 66(1), 30-41.e33.

Ohlin M., Strandroth J., Lie A. (2014). Potential Safety Benefits of Automatic Collision Notification – A Case by Case Analysis. Intelligent Transport Systems World Congress, September 7-10, 2014, Detroit.

Paris, J. (2013). Deployment of the eCallsystem within the HeERO project. Roundtable on 112 (27/06/2013), Antalya, Turkey. Harmonized eCall European Project.

Plevin, R. E., Kaufman, R., Fraade-Blanar, L., & Bulger, E. M. (2017). Evaluating the potential benefits of advanced automatic crash notification. Prehospital and Disaster Medicine, 32(2), 156-164.

Ponte, G., Ryan, G. A., & Anderson, R. (2013). Automatic crash notification. University of Adelaide: Centre for Automotive Safety Research.

Regjeringen.no (2013). Beslutning om innføring av eCall. EØS-notat, 26.01.2015, https://www.regjeringen.no/no/sub/eos-notatbasen/notatene/2014/juni/beslutning-om-innforing-av-ecall/id2433807/ (last accessed 29/06/2018).

Sánchez-Mangas, R., García-Ferrrer, A., de Juan, A., & Arroyo, A. M. (2010). The probability of death in road traffic accidents. How important is a quick medical response? Accident Analysis & Prevention, 42(4), 1048-1056.

Sandsjö, L., Sjöqvist, B. A., & Candefjord, S. (2016). Can a regular smartphone be used as an automatic crash notification system for vulnerable road users? Paper presented at the Prehospen Conference 2016-Where all care begins-7th Prehospen Conference in Prehospital Emergency Care, 10-11 March, 2016.

Schoell, S. L., Doud, A. N., Weaver, A. A., Talton, J. W., Barnard, R. T., Martin, R. S., . . . Stitzel, J. D. (2015). Development of a Time Sensitivity Score for Frequently Occurring Motor Vehicle Crash Injuries. Journal of the American College of Surgeons, 220(3), 305-312.e303.

Schulman C.I., Bahouth G., Digges K., Augenstein J., (2010). Improving Pre-Hospital Triage Using Advanced Automatic Collision Notification. Journal of Surgical Research, 165 (2), 209-210.

Sihvola, N., Luoma, J., Schirokoff, A., Salo, J., & Karkola, K. (2009). In-depth evaluation of the effects of an automatic emergency call system on road fatalities. European Transport Research Review, 1(3), 99-105.

Stitzel, J. D., Weaver, A. A., Talton, J. W., Barnard, R. T., Schoell, S. L., Doud, A. N., . . . Meredith, J. W. (2016). An injury severity-, time sensitivity-, and predictability-based advanced automatic crash notification algorithm improves motor vehicle crash occupant triage. Journal of the American College of Surgeons, 222(6), 1211-1219. e1216.

Virtanen, N. (2005). Automaattisen hätäviestijärjestelmän vaikutukset onnettomuustilanteessa. Helsinki: AINO julkaisut 14/2005.

Walker, R., Stevens, A., Anjum, O., Suriarachchi, M., & McNamara, K. (2010). Benefits of automatic crash notification for traffic management. IET Conference Proceedings, 61-61. Retrieved from http://digital-library.theiet.org/content/conferences/10.1049/cp.2010.0381 (last accessed 29/06/2018).

Wu, J., Craig, M., & Longthorne, A. (2015). Updated Estimates of Potential Traffic Fatality Reductions With Automatic Collision Notification. Paper presented at the 24th International Technical Conference on the Enhanced Safety of Vehicles (ESV).