Evaluierung der pädiatrischen eCART-Implementierung

Pediatric eCART stützt sich auf leicht verfügbare EHR-Daten und quantifiziert schnell den Schweregrad der Erkrankung und prognostiziert die Wahrscheinlichkeit des Ausbruchs einer kritischen Erkrankung. Derzeit gibt es kein durchgängig verfügbares System, das das Risiko einer kritischen Erkrankung bei Kindern, die in die UW Health aufgenommen werden, kontinuierlich überwacht. Daher verfügen Kliniker oder Pflegedienstleister von UW Health nicht über einen zuverlässigen Mechanismus zur Risikostratifizierung von Patienten für eine effektive klinische Entscheidungsfindung.

Dieser Vorschlag nutzt die AgileMD-Engine zur klinischen Entscheidungsunterstützung und eine maschinelle Lernanalyse, die in einem Datensatz von über 30.000 Patienten entwickelt wurde. Pediatric eCART wurde ausdrücklich entwickelt, um die Aufmerksamkeit auf Patienten mit erhöhtem Risiko einer Verschlechterung zu lenken und das Patientenmanagement zu optimieren, einschließlich des Zeitpunkts und der Notwendigkeit einer Intensivpflege.

Vorläufige Studien deuten darauf hin, dass die Implementierung von pädiatrischem eCART an der University of Chicago zu verbesserten Ergebnissen geführt hat. Ähnliche Verbesserungen bei Kindern, die in die UW Health aufgenommen werden, werden zu einer Verringerung der Morbidität und Mortalität in unserer pädiatrischen Bevölkerung führen.

Darüber hinaus besteht weiterhin eine erhebliche Lücke im Verständnis der Akzeptanz datengesteuerter CDS-Tools durch Pflegekräfte. Krankenpfleger stellen die größte Belegschaft von Klinikern im Gesundheitssystem dar und spielen eine wichtige Rolle bei der Erkennung klinischer Verschlechterungen, da sie die meiste Zeit mit der Beobachtung und Beurteilung von Patienten verbringen; Allerdings wurde die KI-gesteuerte CDS-Akzeptanz nicht gemessen, um die Akzeptanz dieser neuen Tools durch das Pflegepersonal zu beurteilen. Akzeptanz ist von entscheidender Bedeutung, um die nachhaltige Nutzung zu steigern und suboptimale Ergebnisse wie Alarmmüdigkeit oder erhöhte kognitive Belastung zu verringern, sodass diese Tools letztendlich das Wohlbefinden des Pflegepersonals beeinflussen. Eine Studie untersuchte die Wahrnehmung des Pflegepersonals hinsichtlich des Nutzens eines Sepsis-Frühwarnsystems und stellte fest, dass weniger als die Hälfte der Pflegekräfte die Warnungen als hilfreich empfand und nur ein Drittel der Pflegekräfte berichtete, dass die Warnungen Auswirkungen auf die Patientenversorgung hatten. Das Verständnis der Akzeptanz durch das Pflegepersonal wird die Designstrategien von AgileMD beeinflussen, um die Aufnahme und Nutzung zu fördern, sodass prädiktive Tools genutzt werden können, um die kognitive Belastung des Pflegepersonals zu verbessern. Letztendlich wird die Studie pädiatrisches eCART in zwei pädiatrischen Gruppen bewerten: (1) untersuchte pädiatrische Patienten; (2) Endbenutzer von Kinderkrankenschwestern und Klinikern.

Studiendesign: Dies ist eine prä- und postinterventionelle Studie eines maschinellen Lernalgorithmus, der als klinisches Entscheidungsunterstützungsinstrument in die elektronische Gesundheitsakte integriert ist. Bei den „Vor“-Teilnehmern handelt es sich um hospitalisierte Kinder (unter 18 Jahren), die zwischen dem 1. Januar 2022 und dem Datum der pädiatrischen eCART-Implementierung im Jahr 2025 in die UW Health aufgenommen wurden. Die pädiatrischen eCART-Ergebnisse werden nachträglich für die „Vor“-Teilnehmer berechnet, indem die Laborwerte und Vitalzeichenbeobachtungen eines Patienten in das pädiatrische eCART-Tool eingespeist werden. Bei den „Post“-Teilnehmern handelt es sich um hospitalisierte Kinder (unter 18 Jahren), die innerhalb von zwei Jahren nach der pädiatrischen eCART-Implementierung (voraussichtlich 2025–2027) in die UW Health aufgenommen werden. Für diese Patienten werden die pädiatrischen eCART-Scores in Echtzeit berechnet.