On the issue of emergency medical service transportation support: relevance and research directions

Cover Page

Cite item

Full Text

Abstract

Background. The article examines current challenges in optimizing emergency medical services (EMS) transportation logistics in the Russian Federation. It analyzes the system's current state, identifying key issues such as uneven call distribution, suboptimal station placement, outdated vehicle fleets, and inefficient dispatch operations. The study proposes research directions and development approaches to enhance EMS efficiency, including differentiated optimization strategies based on service type (emergency vs. urgent care), queuing theory applications, station location optimization, advanced routing and dispatching methods, and artificial intelligence/neural network implementations. The work emphasizes the need for region-specific solution adaptation and suggests concrete topics for further research. This article aims to draw researchers' and practitioners' attention to critical EMS logistics improvement opportunities to enhance healthcare accessibility and quality for the population.

Purpose – development of scientifically grounded approaches to optimize emergency medical services transportation logistics in the Russian Federation, aimed at enhancing service efficiency, reducing response times, and improving the quality of medical care for the population.

Materials and methods. The primary research method is theoretical-statistical analysis of the current system state and identification of key optimization challenges in EMS transportation logistics in the Russian Federation. The study is based on a comprehensive set of sources including regulatory legal acts, official records, statistical and reference materials, and periodical publications.

Results. This paper presents an analysis of the current state of ambulance service transportation support, identifying several key challenges, including uneven call distribution, suboptimal station location, an aging vehicle fleet, inefficient dispatching, and limited funding. The proposed research and development directions, based on a differentiated approach to optimization depending on the type of care provided (emergency and urgent), application of queuing theory, optimized station placement, implementation of advanced routing and dispatching methods, and the utilization of artificial intelligence and neural networks, constitute a comprehensive action plan for improving the efficiency of ambulance service transportation support operations.

About the authors

Igor M. Chelyshkov

Moscow Automobile and Road Construction State Technical University

Author for correspondence.
Email: Igor.tchelyshkov@yandex.ru
ORCID iD: 0009-0008-5832-8208

Student

Russian Federation, 64, Leningradsky Prospect, Moscow, 125319, Russian Federation

Artem I. Zhukov

Moscow Automobile and Road Construction State Technical University

Email: artem-zhukov@madi.ru
ORCID iD: 0000-0003-0089-8343

Ph.D. in Technical Sciences, Associate Professor, Department of Automotive Transportation

Russian Federation, 64, Leningradsky Prospect, Moscow, 125319, Russian Federation

Ivan A. Asmanov

Moscow Automobile and Road Construction State Technical University

Email: asmanovvvvv@mail.ru
ORCID iD: 0009-0002-8051-840X

Postgraduate Student, Assistant, Department of Automotive Transportation

Russian Federation, 64, Leningradsky Prospect, Moscow, 125319, Russian Federation

References

  1. Aksyonov, I. M. (1990). Theory of Transport Processes and Systems. Moscow: Transport. 344 p.
  2. Ventsel', E. S. (2001). Operations Research: Tasks, Principles, Methodology (2nd stereotypical ed.). Moscow: Vysshaya Shkola. 208 p.
  3. Gmurman, V. E. (2008). Probability Theory and Mathematical Statistics (12th revised ed.). Moscow: Vysshee Obrazovanie. 479 p.
  4. Kolesnichenko, V. N. (2002). Information Technologies in Transport. Rostov-na-Donu: Feniks. 480 p.
  5. Dick, V. V. (Ed.). (2006). Corporate Information Systems. Moscow: Finance and Statistics. 400 p.
  6. Anikin, B. A. (Ed.). (2007). Logistics (3rd rev. and expanded ed.). Moscow: INFRA-M. 368 p.
  7. Mirotin, L. B., & Tashbaev, I. E. (2002). Logistics. Textbook for higher education institutions. Moscow: Examen. 352 p.
  8. Nerush, Yu. M. (2010). Logistics (4th rev. and exp. ed.). Moscow: Prospekt. 520 p.
  9. Safronov, E. A. (2004). Organization of Transportations on Road Transport. Textbook for higher education institutions. Moscow: Akademiya. 368 p.
  10. Shraybman, I. M. (2008). Queueing Theory. Tomsk: TPUI Publishing House. 129 p.
  11. Constitution of the Russian Federation. (1993). Official Internet Portal of Legal Information. Article 41, amended and supplemented on December 1, 2020.
  12. Decree of the President of the Russian Federation "On the Strategy of National Security of the Russian Federation". (2021). Official Internet Portal of Legal Information. Article 25.
  13. Kapsky, D. V., Bogdanovich, S. V., Korenkov, P. V., & Filippova, N. A. (2024). Issues of Transport Industry Improvement in the Context of Connected Vehicles Development. Intelligence. Innovations. Investments, (3), 64–73. https://doi.org/10.25198/2077-7175-2024-3-64 EDN: https://elibrary.ru/JIPRZJ
  14. Niyazov, B. S., & Niyazova, S. B. (2022). Process Models of Development Triad of Healthcare Institutions Subsystems: Management, Resources, Potential. Resources. Bulletin of Science and Practice, 8(2), 131–136. https://doi.org/10.33619/2414-2948/75/18 EDN: https://elibrary.ru/STKPKS
  15. Ivashchenko, V. V., Popova, E. A., & Onishchenko, A. N. (2023). Some Problems of Ambulance Transport. Psychosomatic and Integrative Research, 9(4), 401. EDN: https://elibrary.ru/UALDLI
  16. Borisov, A. V., Bosov, A. V., Zhukov, D. V., & Ivanov, A. V. (2022). Information Aspects of Transport Safety Assurance: Analytical Tasks. Systems and Means of Informatics, 32(1), 4–17. https://doi.org/10.14357/08696527220101 EDN: https://elibrary.ru/WHTIRG

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2025 Chelyshkov I.M., Zhukov A.I., Asmanov I.A.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».