- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT06339125
El análisis predictivo y la visualización por computadora mejoran la seguridad del paciente para prevenir caídas
El análisis predictivo combinado con la visualización por computadora mejora la seguridad del paciente y alivia la carga de las enfermeras para prevenir caídas
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
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
- 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?
¿Cuáles son las percepciones de las enfermeras relacionadas con:
- El impacto de tres tecnologías de estudio implementadas para ayudar con la identificación de un mayor riesgo de caídas.
- 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:
- 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.
- 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
Inscripción (Estimado)
Fase
- No aplica
Contactos y Ubicaciones
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
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
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
¿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:
|
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:
|
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:
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:
|
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
Patrocinador
Investigadores
- Investigador principal: Colleen K Snydeman, PhD, Massachusetts General Hospital
Publicaciones y enlaces útiles
Publicaciones Generales
- Seibert K, Domhoff D, Bruch D, Schulte-Althoff M, Furstenau D, Biessmann F, Wolf-Ostermann K. Application Scenarios for Artificial Intelligence in Nursing Care: Rapid Review. J Med Internet Res. 2021 Nov 29;23(11):e26522. doi: 10.2196/26522.
- Dykes PC, Carroll DL, Hurley A, Lipsitz S, Benoit A, Chang F, Meltzer S, Tsurikova R, Zuyov L, Middleton B. Fall prevention in acute care hospitals: a randomized trial. JAMA. 2010 Nov 3;304(17):1912-8. doi: 10.1001/jama.2010.1567.
- Morse, JM, Morse R.M., Tylko, S.J. (1989). Development of a scale to identify the fall-prone patient. Can J Aging, 8:366-7.
- Fehlberg EA, Cook CL, Bjarnadottir RI, McDaniel AM, Shorr RI, Lucero RJ. Fall Prevention Decision Making of Acute Care Registered Nurses. J Nurs Adm. 2020 Sep;50(9):442-448. doi: 10.1097/NNA.0000000000000914.
- Dykes PC, Burns Z, Adelman J, Benneyan J, Bogaisky M, Carter E, Ergai A, Lindros ME, Lipsitz SR, Scanlan M, Shaykevich S, Bates DW. Evaluation of a Patient-Centered Fall-Prevention Tool Kit to Reduce Falls and Injuries: A Nonrandomized Controlled Trial. JAMA Netw Open. 2020 Nov 2;3(11):e2025889. doi: 10.1001/jamanetworkopen.2020.25889.
- Costantinou E, Spencer JA. Analysis of Inpatient Hospital Falls with Serious Injury. Clin Nurs Res. 2021 May;30(4):482-493. doi: 10.1177/1054773820973406. Epub 2020 Nov 16.
- Pierce JR Jr, Shirley M, Johnson EF, Kang H. Narcotic administration and fall-related injury in the hospital: implications for patient safety programs and providers. Int J Risk Saf Med. 2013;25(4):229-34. doi: 10.3233/JRS-130603.
- Quigley PA, Hahm B, Collazo S, Gibson W, Janzen S, Powell-Cope G, Rice F, Sarduy I, Tyndall K, White SV. Reducing serious injury from falls in two veterans' hospital medical-surgical units. J Nurs Care Qual. 2009 Jan-Mar;24(1):33-41. doi: 10.1097/NCQ.0b013e31818f528e.
- Zhao YL, Bott M, He J, Kim H, Park SH, Dunton N. Evidence on Fall and Injurious Fall Prevention Interventions in Acute Care Hospitals. J Nurs Adm. 2019 Feb;49(2):86-92. doi: 10.1097/NNA.0000000000000715.
- Dykes PC, Khasnabish S, Adkison LE, Bates DW, Bogaisky M, Burns Z, Carroll DL, Carter E, Hurley AC, Jackson E, Kurian SS, Lindros ME, Ryan V, Scanlan M, Spivack L, Walsh MA, Adelman J. Use of a perceived efficacy tool to evaluate the FallTIPS program. J Am Geriatr Soc. 2021 Dec;69(12):3595-3601. doi: 10.1111/jgs.17436. Epub 2021 Aug 30.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Estimado)
Finalización primaria (Estimado)
Finalización del estudio (Estimado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
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)?
Descripción del plan IPD
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
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
-
Academisch Medisch Centrum - Universiteit van Amsterdam...TerminadoLa fibrilación ventricular | Taquicardia ventricular | Cardiopatía congénita | Muerte Súbita Cardíaca
-
Curtin UniversityTerminado