Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

El análisis predictivo y la visualización por computadora mejoran la seguridad del paciente para prevenir caídas

25 de marzo de 2024 actualizado por: Colleen Snydeman PhD, RN, Massachusetts General Hospital

El análisis predictivo combinado con la visualización por computadora mejora la seguridad del paciente y alivia la carga de las enfermeras para prevenir caídas

Anualmente, en los Estados Unidos se reportan entre 700.000 y 1.000.000 de caídas de pacientes hospitalizados, y un tercio de los pacientes sufre una lesión. El costo promedio estimado por caída es de $6,694, lo que resulta en pérdidas de entre $1,400 y 1,900 millones de dólares cada año (AHRQ, 2017). Este estudio tiene como objetivo comparar el impacto de diferentes estrategias de prevención de caídas en la tasa de aparición de caídas y caídas con lesiones en un centro médico académico en tres unidades médicas para adultos. Mientras se mantiene el estándar habitual de atención para la prevención de caídas, cada unidad agregará uno de los siguientes: (1) uso de una alerta de riesgo de caída para enfermeras utilizando un algoritmo basado en datos de registros médicos electrónicos o (2) visualización de cámara computarizada o (3 ) una combinación de ambos.

Descripción general del estudio

Descripción detallada

Para disminuir las caídas en el entorno hospitalario, y basándose en investigaciones anteriores sobre caídas en enfermería, así como en el programa MFS y Fall TIPS, MGH desarrolló un algoritmo de apoyo a la toma de decisiones para identificar cambios en los factores clínicos a medida que ocurren para alertar a las enfermeras sobre la necesidad de adaptarse. Intervenciones de prevención de caídas. MGH Nursing, a través de una colaboración con RGI Informatics, implementó el algoritmo MGH en una unidad clínica de atención general. El software RGI utiliza el algoritmo MGH que transmite en vivo datos de EHR de Epic para identificar a los pacientes cuyo riesgo de caídas puede haber aumentado y brindar apoyo en la toma de decisiones clínicas a las enfermeras a través de una alerta en sus teléfonos celulares emitidos por el hospital. Los resultados preliminares demostraron viabilidad y una reducción estadísticamente significativa (p <0,01) en las caídas con lesión durante un período de 11 meses.

Los trabajos preliminares mutuamente excluyentes, en una segunda unidad de cuidados generales para pacientes hospitalizados, que involucraron un sistema computarizado de visualización del paciente, también produjeron una reducción de las caídas. El uso combinado de las dos tecnologías puede producir un efecto sinérgico, reduciendo así aún más la incidencia de caídas en el entorno de cuidados intensivos. Hasta la fecha, no hay evidencia derivada de la evaluación de los resultados de los pacientes mediante pruebas simultáneas de las dos tecnologías. Por lo tanto, el propósito de este estudio es determinar el impacto de tres intervenciones diferentes de prevención de caídas (solo algoritmo RGI/MGH, solo Inspiren y algoritmo RGI/MGH e Inspiren combinados) en pacientes con riesgo de caídas y caídas con lesiones en tres adultos generales. unidades de atención en un gran centro médico académico.

Nuestra solución propuesta es la única estrategia conocida que extrae y sintetiza datos fisiológicos y físicos de múltiples fuentes, para crear una vista dimensional del perfil de seguridad de un paciente relacionado con el riesgo de caídas. Las alertas oportunas informarán a las enfermeras sobre el riesgo de caídas del paciente, el motivo del riesgo y sus decisiones clínicas con respecto a las estrategias de prevención de caídas. Esta propuesta inicial se centra en pacientes con riesgo de caídas y estamos seguros de que este enfoque innovador es adaptable para abordar otros problemas críticos de seguridad, por ejemplo, lesiones por presión e infecciones del tracto urinario asociadas al catéter. A continuación se proporciona información detallada sobre RGI Analytics e Inspiren.

Metodología: Se llevará a cabo un diseño de estudio de métodos mixtos de cohorte observacional para determinar el impacto y efectividad de la atención habitual y tres estrategias diferentes de prevención de caídas que exceden el estándar de atención en tres unidades de pacientes hospitalizados en MGH durante un año. La Unidad 1 empleará análisis de transmisión y el algoritmo MGH únicamente, la Unidad 2 empleará solo la visualización por computadora AUGI de Inspiren y la Unidad 3 empleará el algoritmo combinado de análisis de transmisión/MGH y el dispositivo AUGI de Inspiren. La Unidad 4, unidad de control, servirá como grupo de comparación interna de la misma institución. Además de las intervenciones del estudio, las cuatro unidades continuarán manteniendo la práctica habitual basada en evidencia de MGH y los estándares de atención para la prevención de caídas. Actualmente se puede acceder a los datos demográficos de pacientes, unidades y enfermeras recopilados para el estudio o calcularlos a partir de fuentes existentes. Las fuentes incluyen datos financieros, de agudeza y de calidad de ADT, PCS almacenados en PCS Datawarehouse. Los datos demográficos de los pacientes de la unidad en conjunto incluirán edad, sexo y raza. Los datos demográficos de las enfermeras incluirán la cantidad de equivalentes de tiempo completo, años de experiencia como enfermera, años de experiencia en MGH y el nivel más alto de educación. Los datos de la unidad incluirán recuentos de admisiones de pacientes, días de pacientes, duración de la estadía, agudeza de la enfermería, tipo de paciente por género, edad, raza, origen étnico, número de caídas en la unidad y caídas con lesiones en la unidad, e indicadores de personal de enfermería. Las percepciones de las enfermeras de las tres unidades de intervención se medirán en asociación con la intervención utilizando retroalimentación en tiempo real de alertas de teléfonos celulares (útiles/no útiles), retroalimentación de enfermeras y encuestas trimestrales. La Escala de eficiencia en la prevención de caídas (Dykes, et al., 2021) es una herramienta de 13 ítems revisada por pares que se centra en cuatro áreas clave: ahorra tiempo, no lo desperdicia, vale la pena y es útil para prevenir caídas. Las preguntas de la encuesta se adaptarán para satisfacer las necesidades de este estudio y se administrarán a través de REDCap, una aplicación web segura de Harvard Catalyst para administrar herramientas de encuestas en línea.

Preguntas de investigación

  1. En el entorno hospitalario de cuidados intensivos, ¿existe una diferencia en la tasa de aparición de caídas y caídas perjudiciales, comparando tres métodos distintos para alertar a las enfermeras en el lugar de atención sobre un cambio en el riesgo de caídas de un paciente mientras se mantienen todos los demás estándares actuales? de atención para la prevención de caídas y agregar estos nuevos estándares durante el estudio: (1) uso de análisis de transmisión y un algoritmo de riesgo de caídas que alerta a las enfermeras sobre un cambio en el riesgo de caídas, (2) visualización por computadora e interpretación de inteligencia artificial del movimiento del paciente y ( 3) ¿una combinación de ambas tecnologías?
  2. ¿Cuáles son las percepciones de las enfermeras relacionadas con:

    1. El impacto de tres tecnologías de estudio implementadas para ayudar con la identificación de un mayor riesgo de caídas.
    2. La reducción de la carga de enfermería en la evaluación del riesgo de caídas y la recomendación de intervenciones adicionales para prevenir caídas.

Objetivos de la investigación:

  1. Compare el impacto de las tres innovaciones en prevención de caídas, dentro y entre unidades y con una unidad de control (las cuatro unidades utilizan el mismo estándar de atención habitual) sobre las caídas y las caídas con lesiones.
  2. Determinar la efectividad percibida de las innovaciones y alertas de prevención de caídas sobre el apoyo a las decisiones clínicas y la carga de enfermería mediante encuestas de enfermeras, respuestas a alertas y grupos focales.

Tipo de estudio

Intervencionista

Inscripción (Estimado)

4500

Fase

  • No aplica

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Estudio Contacto

  • Nombre: Colleen Snydeman, PhD
  • Número de teléfono: 16176430435
  • Correo electrónico: csnydeman@mgb.org

Copia de seguridad de contactos de estudio

  • Nombre: Hiyam M Nadel, MBA
  • Número de teléfono: 6176430064
  • Correo electrónico: hnadel@mgb.org

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

No

Descripción

Criterios de inclusión:

Pacientes médicos adultos ingresados ​​en las unidades de estudio. Todas las enfermeras que trabajan en las unidades de estudio.

Criterio de exclusión:

  • Ninguno

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

  • Propósito principal: Cuidados de apoyo
  • Asignación: No aleatorizado
  • Modelo Intervencionista: Asignación paralela
  • Enmascaramiento: Ninguno (etiqueta abierta)

Armas e Intervenciones

Grupo de participantes/brazo
Intervención / Tratamiento
Experimental: Unidad 1
El algoritmo basado en la atención habitual y la transmisión en vivo de registros médicos electrónicos alerta a las enfermeras sobre un posible aumento en el riesgo de caídas para revisar las intervenciones implementadas.
El algoritmo genera alertas de prevención de caídas para enfermeras en tiempo real, utilizando información de registros médicos electrónicos basada en evidencia sobre cambios en la atención que pueden sugerir la necesidad de estrategias adicionales de prevención de caídas.
Otros nombres:
  • Algoritmo de prevención de caídas RGI
Experimental: Unidad 2
La atención habitual y la visualización de la cámara por computadora detecta y anticipa el movimiento de los pacientes con riesgo de caídas y alerta a las enfermeras con riesgo potencial de caídas.
La visualización de la cámara por computadora Inspiren es una estrategia adicional que pueden emplear las enfermeras cuando hay un cambio en el riesgo de caídas de un paciente.
Otros nombres:
  • Visualización de cámara computarizada.
Experimental: Unidad 3
El algoritmo basado en la atención habitual y la transmisión en vivo de registros médicos electrónicos alerta a las enfermeras sobre un posible aumento en el riesgo de caídas para revisar las intervenciones implementadas. Y la visualización de la cámara por computadora detecta y anticipa el movimiento de los pacientes con riesgo de caídas y alerta a las enfermeras con riesgo potencial de caídas.
El algoritmo genera alertas de prevención de caídas para enfermeras en tiempo real, utilizando información de registros médicos electrónicos basada en evidencia sobre cambios en la atención que pueden sugerir la necesidad de estrategias adicionales de prevención de caídas.
Otros nombres:
  • Algoritmo de prevención de caídas RGI
La visualización de la cámara por computadora Inspiren es una estrategia adicional que pueden emplear las enfermeras cuando hay un cambio en el riesgo de caídas de un paciente.
Otros nombres:
  • Visualización de cámara computarizada.
Sin intervención: Unidad 4
Grupo control, sin intervención y atención habitual.

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Caídas
Periodo de tiempo: Medido mensual/trimestralmente durante un año
Tasa de caídas de pacientes por cada 1.000 días de paciente
Medido mensual/trimestralmente durante un año
Cae con lesión
Periodo de tiempo: Medido mensual/trimestralmente durante un año
Tasa de caídas con lesión por 1.000 días-paciente
Medido mensual/trimestralmente durante un año

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Percepciones de las enfermeras
Periodo de tiempo: tres, seis y 12 meses
Encuesta sobre las percepciones de las enfermeras sobre las estrategias de prevención de caídas.
tres, seis y 12 meses
Percepciones de las enfermeras
Periodo de tiempo: tres, seis, nueve y doce meses
Grupos focales de percepciones enfermeras.
tres, seis, nueve y doce meses

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Investigadores

  • Investigador principal: Colleen K Snydeman, PhD, Massachusetts General Hospital

Publicaciones y enlaces útiles

La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.

Publicaciones Generales

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Estimado)

1 de mayo de 2024

Finalización primaria (Estimado)

1 de mayo de 2025

Finalización del estudio (Estimado)

1 de julio de 2025

Fechas de registro del estudio

Enviado por primera vez

25 de marzo de 2024

Primero enviado que cumplió con los criterios de control de calidad

25 de marzo de 2024

Publicado por primera vez (Actual)

1 de abril de 2024

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

1 de abril de 2024

Última actualización enviada que cumplió con los criterios de control de calidad

25 de marzo de 2024

Última verificación

1 de marzo de 2024

Más información

Términos relacionados con este estudio

Otros números de identificación del estudio

  • 2023p003637

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

NO

Descripción del plan IPD

Los datos se recopilarán en conjunto a nivel de unidad como tarifas por 1000 días de paciente, no específicos de cada paciente.

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .

Ensayos clínicos sobre Algoritmo de prevención de caídas

3
Suscribir