زمان پاسخگویی اورژانس در حوادث ترافیکی، یکی از عوامل تعیین‌کننده در کیفیت خدمات پزشکی اورژانس پیش‌بیمارستانی به‌شمار می‌رود. پیش‌بینی این زمان به تصمیم‌گیرندگان امکان می‌دهد تا با بهبود کارایی خدمات فوریت‌های پزشکی، زمان پاسخگویی را کاهش دهند. داده‌های مربوط به زمان پاسخگویی اورژانس از نوع داده‌های زمان تا رویداد هستند. یکی از ویژگی‌های اصلی این داده‌ها، وابستگی آن‌ها به مدت زمان است. برای در نظر گرفتن این ویژگی، معمولاً از مدل‌های نرخ خطر مبنا استفاده می‌شود؛ با این حال، عملکرد این مدل‌ها با توجه به فرضیاتی که دارند ممکن است با محدودیت‌هایی همراه باشد. در مقابل، مدل‌های یادگیری ماشین به‌عنوان رویکردی جایگزین برای مدل‌سازی زمان پاسخگویی اورژانس هستند. مزیت اصلی این مدل‌ها در آن است که به فرضیات محدودکننده مدل‌های نرخ خطر مبنا وابسته نیستند و می‌توانند روابط غیرخطی و تعاملی میان متغیرها را در نظر بگیرند. در این مطالعه از یک مدل شبکه عصبی مبتنی بر تحلیل بقا استفاده شده است که به‌طور هم‌زمان توانایی برآورد تابع بقا و پیش‌بینی زمان پاسخگویی اورژانس را دارد. این مدل با بهره‌گیری از مفهوم یادگیری چند وظیفه‌ای می‌تواند وابستگی به مدت زمان را هنگام پیش‌بینی زمان پاسخگویی، از طریق برآورد هم‌زمان تابع بقا در نظر بگیرد. با تحلیل ‏تعداد 28505 گزارش مربوط به تصادفات ثبت‌شده در اورژانس شهر مشهد، عملکرد مدل ارائه شده بررسی و با مدل‌های آماری و سایر روش‌های یادگیری ماشین مقایسه شده است. نتایج نشان می‌دهد که مدل ارائه‌شده می‌تواند به‌عنوان جایگزینی کارآمد برای روش‌های متداول در پیش‌بینی زمان پاسخگویی اورژانس مورد استفاده قرار گیرد.