Advanced Recovery Room Care II - Recuperación mejorada después de la cirugía (ARRCII)

El problema: la cirugía es esencial para aproximadamente 1/3 de las necesidades de atención médica y su volumen debe duplicarse para 2040. Sin embargo, tiene riesgos, con complicaciones posoperatorias graves que ocurren con frecuencia (5% -30% de los pacientes) y la muerte posoperatoria es la tercera causa de muerte más frecuente en todo el mundo.

Las complicaciones dan como resultado un aumento del sufrimiento y la mortalidad del paciente, eventos adversos tardíos como la readmisión y aumentos de dos a tres veces en el uso de recursos (costo). Pueden considerarse "la pandemia oculta" de la atención médica moderna y, debido al envejecimiento de la población comórbida, se estima que aumentarán en un 300 % en Australia para 2027.

Una Cumbre Nacional Australiana sobre Complicaciones Postoperatorias (marzo de 2020), presidida por G Ludbrook, reconoció la importancia de este problema. Su informe identificó la necesidad de un enfoque de sistemas, con una base de evidencia, vías claras de atención adaptadas a los riesgos y necesidades de los pacientes individuales, técnicas para minimizar la variación innecesaria de la práctica y medidas de desempeño relevantes: resultados (centrados en la institución y el consumidor) y costo.

Una solución: en 2017, se probó un modelo de Advanced Recovery Room Care (ARRC) en RAH. Esto utilizó todos los elementos y principios de Summit Systems: evaluación temprana de riesgos validada (NSQIP), triaje de pacientes de riesgo moderado (mortalidad prevista a los 30 días: 1-4 %) a atención postoperatoria de nivel medio y agudo durante la noche (ARRC), personal y capacidad apropiados, evaluación precisa basada en listas de verificación regulares, objetivos fisiológicos específicos, reevaluación repetida y re-triage, traspasos formales y evaluación con métricas relevantes. Este ensayo reveló que: los primeros eventos adversos graves fueron inesperadamente comunes (50 % de los pacientes); estos ocurrieron principalmente durante las 12-18 horas posteriores a la operación; y los reingresos fueron muy comunes (34%).

Complicaciones y secuelas reducidas: ARRC resultó en menos complicaciones basadas en la sala; y una reducción del 80% en los días de reingreso hospitalario, p=0,1. Una unidad de 10 camas debería liberar 4000 días de cama RAH al año.

En general, los hallazgos de ARRC se alinean con (i) los hallazgos del Reino Unido en pacientes de riesgo moderado: eliminar la atención de alta agudeza aumentó la mortalidad y los días de hospitalización, (ii) los datos de RAH Health Roundtable: grupos de pacientes de riesgo moderado con tasas de readmisión no planificadas de 35 %

Mejor predicción iterativa y triaje del riesgo: Los datos también sugirieron que mediante la reevaluación formal repetida del riesgo a lo largo del tiempo (en el quirófano y ARRC), en función de los eventos adversos y los parámetros fisiológicos, el 50 % de los pacientes con pocas probabilidades de tener complicaciones mayores posteriores puede ser identificados y clasificados para atención ARRC de menor agudeza, lo que reduce aún más los costos. Esto se alinea con los datos de RAH que muestran los eventos adversos de recuperación temprana como un importante predictor de complicaciones posoperatorias posteriores, y grandes bases de datos que asocian eventos preoperatorios, en el quirófano y posoperatorios con complicaciones tardías.

Rentabilidad: Críticamente, ARRC parece rentable. El modelo de Markov de los datos de ARRC revela mejores resultados (días en casa) y costos, con una relación de costo-efectividad incremental (ICER) de -$600. Esto se alinea con los ahorros anuales de $ 1 millón del Centro de Cáncer Peter McCallum por la implementación de una unidad de 2 camas (datos no publicados).

La hipótesis principal es que ARRC, a través de la detección y el manejo rápidos de los eventos adversos postoperatorios graves tempranos, reducirá las complicaciones posteriores, aumentando así los días en el hogar del paciente a los 30 y 90 días (DAH30/90).

Las hipótesis secundarias son: (i) que ARRC será rentable, produciendo una relación de costo-efectividad incremental (ICER) negativa en comparación con el tratamiento convencional, y (ii) que la reevaluación continua del riesgo del paciente individual durante la cirugía y ARRC permitirá la identificación precisa del subgrupo de pacientes de menor riesgo que es poco probable que tenga eventos adversos de la noche a la mañana, lo que permitirá reducir la atención antes, lo que reducirá gradualmente los costos y mejorará la ICER.

Este es un ensayo pragmático prospectivo no ciego de ARRC versus atención convencional. CALHN se ha comprometido a reiniciar ARRC, pero se requieren datos excelentes para confirmar la eficacia en los resultados y el costo.

Cohorte: Los pacientes son pacientes de riesgo moderado (mortalidad a los 30 días prevista por el NSQIP = 0,7-5 %) que se someten a cirugías colorrectales, ortopédicas, ginecooncológicas, neurocirugía y otras cirugías electivas o de emergencia a lo largo del tiempo, y que están programados para cuidados posoperatorios en la sala.

Sistema de atención: el riesgo del NSQIP se calcula de manera temprana (cirugía electiva, pacientes ambulatorios; cirugía no programada, al ingreso), para cuantificar los riesgos y resaltar y abordar los riesgos modificables. La asignación a la atención convencional o ARRC se basa pragmáticamente en la disponibilidad de camas, lo que produce un sesgo de selección mínimo en el piloto ARRC y el estudio observacional del Reino Unido realizado por Swart et al. El manejo intraoperatorio será una atención consistente y basada en pautas, algo que se implementó con éxito en RAH anteriormente.

ARRC será el sistema probado en RAH, ubicado cerca de la sala de recuperación (PACU). Los elementos críticos incluyen una evaluación regular basada en listas de verificación y objetivos fisiológicos definidos. ARRC involucra personal multidisciplinario: anestesia, enfermería, cirugía, medicina interna, salud aliada.

Este sistema incluye todos los Principios recomendados por el informe de la cumbre para una atención excelente de alto valor y sus recomendaciones de implementación de que una institución tome la iniciativa.

Recopilación de datos: habilitado a lo largo del viaje perioperatorio por nuestro EMR y nuestro sistema de registro electrónico de teatro/recuperación (AIMS) y administrado por el personal de investigación clínica de PARC que ejecutó el piloto de ARRC.

Los datos son una extensión del piloto. En resumen, esto incluye: (i) antes de la operación: datos demográficos/comorbilidades del paciente; (ii) Intraoperatoriamente: tipo de cirugía/duración, complicaciones, variación de los signos vitales, eventos adversos. Los monitores avanzados (antinocicepción ANI, monitoreo continuo de la presión arterial) ayudan al desarrollo de los algoritmos de predicción de riesgos, (iii) ARRC: signos vitales, eventos adversos, finalización de la lista de verificación, eventos de nivel MET (iv) post-ARRC: eventos adversos de sala, transferencias a la UCI , reintervención, tiempo de estancia, reingresos, días en el domicilio (30 y 90 días). Los costos son de RAH Finance - ARRC, ICU, Ward, ED (readmisiones).

Análisis de datos Hipótesis principal: Los estadísticos de U Adelaide, que administraron el piloto ARRC, utilizarán la regresión lineal para encontrar la diferencia media en los días en el hogar (DAH) a los 30/90 días entre los grupos de casos y controles. El análisis de potencia del piloto ARRC, suponiendo de forma conservadora una diferencia DAH de 1,5 días, sugiere un tamaño de muestra de N=876 casos y N=438 controles (ponderación 2:1). Se realizarán análisis intermedios para evaluar el progreso. Basado en 16 pacientes/semana, la duración del estudio será de 82 semanas. Con tendencias de resultados positivas, esperamos que ARRC se amplíe a 32 pacientes/semana, reduciendo potencialmente la duración del estudio a 61 semanas.

Rentabilidad: la CIA actualizará las probabilidades de transición del modelo de Markov y el ICER a medida que surjan los datos. El análisis de sensibilidad determina la incertidumbre. El análisis intermedio también se llevará a cabo en el punto medio. Costes más bajos derivados de una mejor predicción del riesgo (p. se incorporarán proporciones de enfermería ARRC más bajas, transferencias anteriores de ARRC a la sala).

Predicción de riesgo mejorada: los colegas de la Unidad de Informática Clínica de U Southampton utilizarán su plataforma ALEA. La experiencia en análisis predictivo se utilizará para generar un conjunto jerárquico de algoritmos predictivos novedosos (basados ​​en las categorías de entrada de datos disponibles) y comenzar a crear paneles de predicción de riesgo clínico en tiempo real. En última instancia, los datos de RAH se pueden agregar a otros sitios piloto en todo el mundo.