CogMe til forebyggelse og tidlig påvisning af delirium (CogMe)

Delirium er et syndrom defineret som en akut forstyrrelse af både bevidsthed og kognition, der har tendens til at svinge over tid og er forårsaget af de fysiologiske konsekvenser af en medicinsk tilstand. Det er en almindelig lidelse i akutte plejemiljøer, på internmedicinske afdelinger, hos postoperative patienter og intensivafdelingen. Delirium er forbundet med øget dødelighed, længere hospitalsophold, langvarig kognitiv svækkelse og øgede sundhedsudgifter. Patofysiologien af ​​delirium er multifaktoriel og er ikke fuldstændigt forstået.

Forekomsten af ​​delirium stiger med alderen og er meget almindelig hos ældre indlagte patienter. I visse afdelinger kan deliriumraten nå op på over 40%. Delirium er dog underdiagnosticeret i næsten to tredjedele af tilfældene eller fejldiagnosticeret som depression eller demens. Ydermere har det tidligere vist sig, at diagnosen delirium ofte er forsinket, og at genkendelse og dokumentation af delirium hos læger og sygeplejersker langt fra er optimal. Tidlig diagnosticering af delirium kan forbedre det kliniske resultat, med kortere varighed af symptomer, nedsat varighed af indlæggelse og reducerede langtidskomplikationer.

Kliniske undersøgelser har vist, at delirium kan forebygges i op til en tredjedel af tilfældene ved multifaktorielle ikke-farmakologiske indgreb, men de kan være dyre at implementere og kræver specialuddannede medarbejdere. Derudover tager de normalt ikke hensyn til fysiologiske parametre.

Tre nyere teknologiske fremskridt giver nu muligheder for en ny tilgang til deliriumsforebyggelse. For det første er overvågning af vitale tegn med bærbare sensorer drevet af avancerede behandlingsalgoritmer i løbet af de seneste år blevet teknisk mulig. Denne udvikling kan give mulighed for tidlig påvisning af delirium og for påvisning af fysiologiske triggere af delirium såsom dehydrering, infektioner og mangel på søvn. For det andet er de seneste fremskridt inden for virtuelle dialogsystemer (f.eks. Amazons Alexa eller Apples Siri) giver nye og spændende muligheder for automatisk patientinteraktion. Enheder med tale eller multimodal kommunikation kan bruges af ældre patienter med ringe eller ingen erfaring med moderne mobilteknologi. Endelig tillader de seneste fremskridt inden for digitaliseret dataindsamling, computerinfrastruktur og algoritmeudvikling nu kunstig intelligens og maskinlæringsapplikationer at udvide til områder inden for medicin, som tidligere blev anset for kun at være provinsen for menneskelige eksperter. Kombinationen af ​​disse tre datakilder kan i høj grad forbedre nuværende forudsigelsesmodeller og give mulighed for tidligere og mere præcis delirium forudsigelse.

Et automatiseret system, der kan hjælpe med delirium-detektion og advare klinikere om en mulig begyndelse af syndromet, kan i høj grad forbedre behandling og resultater for patienter. CogMe-systemet bruger den nuværende teknologi til at give en holistisk og skalerbar tilgang til deliriumsforudsigelse, påvisning og forebyggelse, der dækker både fysiologiske og kognitive aspekter. Systemet bruger wearables til overvågning af fysiologiske vitale funktioner og kommunikerer med patienter via en dedikeret tablet-app - CogMe Personal Assistant (PA). I denne undersøgelse vil de data, der indsamles af wearables og CogMe PA, i kombination med patientdata fra EMR, blive analyseret retrospektivt ved hjælp af maskinlæringsteknikker (CogMe Data Analytics) for at evaluere CogMe-systemets evne til at forudsige og detektere delirium .