Perioperativ udfaldsrisikovurdering med forbedring af computerlæring (ORACLE)

Perioperative Outcome Risk Assessment with Computer Learning Enhancement (Periop ORACLE) undersøgelsen vil være en delundersøgelse, der er indlejret i det igangværende TECTONICS-forsøg (NCT03923699). TECTONICS er et enkeltcenter randomiseret klinisk forsøg, der vurderer virkningen af ​​et anæstesiologisk kontroltårn (ACT) på postoperativ 30-dages mortalitet, delirium, respirationssvigt og akut nyreskade. Som en del af TECTONICS-forsøget udfører efterforskere i ACT lægejournaler under den tidlige del af operationen og dokumenterer, hvor sandsynligt de føler, at hver patient vil opleve postoperativ død og akut nyreskade (AKI). I Periop ORACLE vil disse case-gennemgange blive randomiseret til at blive udført med eller uden adgang til maskinlæringsforudsigelser (ML).

Efterforskere i ACT vil udføre alle sagsgennemgange ved at se patientens journaler i AlertWatch (AlertWatch, Ann Arbor, MI) og Epic (Epic, Verona, WI). AlertWatch er et FDA-godkendt patientovervågningssystem designet til brug på operationsstuen. Den version af AlertWatch, der blev brugt i denne undersøgelse, er blevet tilpasset til brug i telemedicinske omgivelser. Epic er det elektroniske sygejournalsystem, der bruges på Barnes-Jewish Hospital. Hver case-gennemgang vil blive randomiseret på en 1:1-måde, der skal afsluttes med eller uden ML-assistance. Hvis sagsgennemgangen er randomiseret til ML-assistance, vil efterforskeren få adgang til en skærmgrænseflade (i øjeblikket implementeret som en webapplikation på en sikker server), der viser ML-forudsagt sandsynlighed for postoperativ død og postoperativ AKI i realtid. Hvis sagsgennemgangen ikke er randomiseret til ML-assistance, vil efterforskeren ikke få adgang til dette display. Efter at have set patientens data, vil investigator forudsige, hvor sandsynligt det er, at patienten oplever postoperativ død og postoperativ AKI og vil dokumentere denne forudsigelse. Arealet under modtagerens funktionskarakteristiske kurver for forudsigelser lavet med ML-assistance og uden ML-assistance vil blive sammenlignet.