Der PRIOR® ist ein von der Deutschen Gesellschaft für Katastrophenmedizin (DGKM) gemeinsam mit dem Bundesamt für Bevölkerungsschutz und Katastrophenhilfe (BBK) entwickelter Vorsichtungsalgorithmus für den Massenanfall von Verletzten oder Erkrankten (MANV). Er unterstützt Einsatzkräfte dabei, bereits in der frühen Einsatzphase lebensbedrohlich verletzte oder erkrankte Patientinnen und Patienten schnell zu erkennen, lebensrettende Sofortmaßnahmen einzuleiten und die Grundlage für die anschließende strukturierte Sichtung zu schaffen. 

PRIOR basiert auf wenigen, eindeutig beurteilbaren Kriterien und wurde speziell für den Einsatz unter den besonderen Bedingungen eines MANV entwickelt. Ziel ist eine möglichst hohe Sensitivität, um kritisch betroffene Patientinnen und Patienten zuverlässig zu identifizieren. Evaluationsstudien zeigen, dass PRIOR hierfür eine Sensitivität von bis zu 90 % erreicht. Gleichzeitig geht dies zulasten der Spezifität, sodass mehr Patientinnen und Patienten zunächst einer höheren Sichtungskategorie zugeordnet werden (Übertriage). 

Wie alle Sichtungsalgorithmen stellt auch PRIOR einen Kompromiss zwischen diagnostischer Genauigkeit, Geschwindigkeit und Ressourceneinsatz dar. Andere Verfahren setzen andere Schwerpunkte und erreichen beispielsweise eine höhere Spezifität oder eine kürzere Anwendungsdauer. Welcher Algorithmus in einer konkreten Einsatzlage die größten Vorteile bietet, hängt daher von den jeweiligen Rahmenbedingungen ab. 

Für Schadenslagen mit chemischen, biologischen, radiologischen oder nuklearen Gefahren (CBRN) wurde der CBRN-PRIOR entwickelt. Er basiert auf dem PRIOR-Algorithmus, berücksichtigt jedoch zusätzlich die besonderen Anforderungen solcher Einsatzlagen – insbesondere den Eigenschutz der Einsatzkräfte, die Kontaminationsgefahr sowie notwendige Dekontaminationsmaßnahmen. 

Die DGKM hat das Ziel, PRIOR gemeinsam mit ihren Partnern weiterzuentwickeln. Erkenntnisse aus Übungen, Realeinsätzen und Evaluationsstudien sowie künftig Daten aus dem deutschen MANV-Register sollen dazu beitragen, den Algorithmus evidenzbasiert weiter zu optimieren.