Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

EPIC:n takaisinottoriskimallin, LACE+ -indeksin ja SQLapen validointi ennakoimattomina sairaalan takaisinottotekijöinä

sunnuntai 18. lokakuuta 2020 päivittänyt: Aljoscha Hwang, Luzerner Kantonsspital

EPIC:n takaisinottoriskimallin, LACE+ -indeksin ja SQLapen ulkoinen validointi ennakoimattomina sairaalan takaisinottotekijöinä: yksikeskinen, retrospektiivinen, diagnostinen kohorttitutkimus Sveitsissä

Tämän tutkimuksen ensisijaisena tavoitteena on ulkoisesti validoida EPIC:n takaisinottoriskimalli ja verrata sitä LACE+-indeksiin ja SQLape Readmission -malliin.

Toissijaisena tavoitteena on EPIC:n takaisinottoriskimallin tarkistaminen validointinäytteen perusteella, ja lopuksi sen suorituskykyä verrataan koneoppimisalgoritmeihin.

Tutkimuksen yleiskatsaus

Tila

Valmis

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

Johdanto: Takaisinotto akuutin sairaalahoidon jälkeen on suhteellisen yleistä, kallista terveydenhuoltojärjestelmälle ja liittyy merkittävään taakkaan potilaille. Yhtenä keinona vähentää kustannuksia ja samanaikaisesti parantaa hoidon laatua sairaalan takaisinotto herättää yhä enemmän poliittisten päättäjien kiinnostusta. Vasta suhteellisen äskettäin kehitettiin strategioita, joiden nimenomainen tavoite on vähentää suunnittelemattomia takaisinottoa soveltamalla ennustemalleja. EPIC:n takaisinottoriskimalli, joka kehitettiin vuonna 2015 Yhdysvaltain akuuttihoidon sairaalaympäristöä varten, lupaa erinomaiset kalibrointi- ja erottelukyvyt. Sen rutiinikäyttö Sveitsin sairaalaympäristössä vaatii kuitenkin ensin ulkoisen validoinnin. Siksi tämän tutkimuksen ensisijaisena tavoitteena on ulkoisesti validoida EPIC:n takaisinottoriskimalli ja verrata sitä LACE+-indeksiin (oleskelun pituus, tarkkuus, liitännäissairaudet, päivystyskäyntien indeksi) ja SQLape-indeksiin (pyrkimys laatutasoon ja sen analysointi). potilaskulut) Takaisinottomalli.

Menetelmät: Tästä syystä suoritetaan yksikeskinen, retrospektiivinen diagnostinen kohorttitutkimus. Tutkimukseen osallistuvat kaikki vuodepotilaat, jotka olivat sairaalahoidossa 1.1.2018-31.1.2019 Luzernin kantonin sairaalassa Sveitsissä. Tapaukset ovat laitospotilaita, jotka kokivat suunnittelemattoman (kaiken syyn) takaisinoton 18 tai 30 päivän kuluessa kotiutuksen jälkeen. Vertailuryhmä koostuu henkilöistä, joilla ei ole ollut ennakoimatonta takaisinottoa.

Ulkoista validointia varten tutkittavien pisteiden erottelu arvioidaan laskemalla vastaanottimen toimintaominaisuuksien käyrien alla oleva pinta-ala (AUC). Kalibrointia varten Hosmer-Lemeshow-sovitustesti esitetään graafisesti piirtämällä ennustetut tulokset desiileinä havaintojen funktiona. Muita arvioitavia mittareita ovat Brier Score, Net Reclassification Improvement (NRI) ja Net Benefit (NB).

Kaikki potilastiedot haetaan kliinisistä tietovarastoista.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Todellinen)

23116

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskelupaikat

  • Sveitsi
    • Canton Lucerne
      • Lucerne, Canton Lucerne, Sveitsi, 6000
        • Cantonal Hospital of Lucerne

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

4 kuukautta - 98 vuotta (Lapsi, Aikuinen, Vanhempi Aikuinen)

Hyväksyy terveitä vapaaehtoisia

Ei

Sukupuolet, jotka voivat opiskella

Kaikki

Näytteenottomenetelmä

Ei-todennäköisyysnäyte

Tutkimusväestö

Keski-Sveitsin akuuttihoitosairaalan potilaat

Kuvaus

Sisällyttämiskriteerit:

- Kaikki vuodepotilaat, vähintään vuoden ikäiset (max. 100 vuotta), jotka olivat sairaalahoidossa joko 1.1.2018-31.12.2018 tai 23.9.-31.12.2019 välisenä aikana.

Poissulkemiskriteerit:

  • ottaminen/siirto toiselta psykiatriselta, kuntouttavalta tai akuuttiosastolta samasta laitoksesta,
  • poistumispaikka muu kuin potilaan koti tai
  • siirto toiseen akuuttisairaalaan, molemmat katsotaan hoidon jatkoksi;
  • ulkomaalainen asuinpaikka,
  • kuollut ennen kotiutumista,
  • kotiutettu pääsypäivänä,
  • yleisen suostumuksen epääminen ja
  • tuntematon potilaan asuinpaikka tai kotiutuspaikka.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Havaintomallit: Kohortti
  • Aikanäkymät: Takautuva

Kohortit ja interventiot

Ryhmä/Kohortti
Interventio / Hoito
Takaisin otetut sairaalapotilaat/tapaukset

Tulos 1: Potilaat, jotka otettiin takaisin samaan sairaalaan 18 päivän sisällä sairaalahoidon kotiutuspäivästä, ja diagnoosi johti samaan päädiagnostiikkaryhmään kuin indeksihoito (määritelmä Swiss Diagnosis Related Groups -järjestelmän mukaan, tapausten yhdistäminen)

Tulos 2: Potilaat, jotka joutuvat suunnittelematta takaisin 30 päivän kuluessa indeksisairaalasta lähtöpäivästä samaan sairaalaan. Suunnittelematon takaisinotto määriteltiin päivystyksen kautta tapahtuvaksi takaisinotoksi.
Muut: Yhdysvaltain takaisinoton riskin ennustemalli
Yksityisen terveydenhuollon ohjelmistoyrityksen EPIC:n kehittämä logistinen regressiomalli, joka ennustaa kaikista syistä aiheutuvan suunnittelemattoman takaisinoton riskin.
Muut: LACE+ pisteet
LACE+ -pistemäärä on pistemäärä, jonka avulla voidaan ennustaa kotiutuksen jälkeisen kuoleman tai kiireellisen takaisinoton riski. Se kehitettiin hallinnollisten tietojen perusteella Ontariossa, Kanadassa.
Muut: SQLAPE malli
Takaisinottoriskimalli (Laatutason tavoitteleminen ja potilaskulujen analysointi) on tietokoneistettu validoitu algoritmi, ja se kehitettiin vuonna 2002 tunnistamaan mahdollisesti vältettävissä olevat takaisinotot.
Ei-takaisin otettavat sairaalapotilaat/kontrollit
Tulos 1 ja 2: Potilaat, joita ei otettu takaisin 30 päivän kuluessa sairaalahoidon kotiutuspäivästä.
Muut: Yhdysvaltain takaisinoton riskin ennustemalli
Yksityisen terveydenhuollon ohjelmistoyrityksen EPIC:n kehittämä logistinen regressiomalli, joka ennustaa kaikista syistä aiheutuvan suunnittelemattoman takaisinoton riskin.
Muut: LACE+ pisteet
LACE+ -pistemäärä on pistemäärä, jonka avulla voidaan ennustaa kotiutuksen jälkeisen kuoleman tai kiireellisen takaisinoton riski. Se kehitettiin hallinnollisten tietojen perusteella Ontariossa, Kanadassa.
Muut: SQLAPE malli
Takaisinottoriskimalli (Laatutason tavoitteleminen ja potilaskulujen analysointi) on tietokoneistettu validoitu algoritmi, ja se kehitettiin vuonna 2002 tunnistamaan mahdollisesti vältettävissä olevat takaisinotot.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Syrjintä 18 päivää
Aikaikkuna: 18 päivää indeksin purkamispäivästä
Tutkittavien pisteiden erottamiseksi lasketaan vastaanottimen toimintaominaisuuksien käyrien alla oleva pinta-ala (AUC).
18 päivää indeksin purkamispäivästä
Syrjintä 30 päivää
Aikaikkuna: 30 päivää indeksin purkamispäivän jälkeen
Tutkittavien pisteiden erottamiseksi lasketaan vastaanottimen toimintaominaisuuksien käyrien alla oleva pinta-ala (AUC).
30 päivää indeksin purkamispäivän jälkeen
Kalibrointi 18 päivän kohdalla
Aikaikkuna: 18 päivää indeksin purkamispäivästä
Kalibrointia varten Hosmer-Lemeshow-sovitustesti esitetään graafisesti piirtämällä ennustetut tulokset desiileinä havaintojen funktiona.
18 päivää indeksin purkamispäivästä
Kalibrointi 30 päivän kohdalla
Aikaikkuna: 30 päivää indeksin purkamispäivän jälkeen
Kalibrointia varten Hosmer-Lemeshow-sovitustesti esitetään graafisesti piirtämällä ennustetut tulokset desiileinä havaintojen funktiona.
30 päivää indeksin purkamispäivän jälkeen
Kokonaissuorituskyky 18 päivää
Aikaikkuna: 18 päivää indeksin purkamispäivästä
Brier Score (Brier-pisteet on neliöllinen pisteytyssääntö, jossa lasketaan todellisten binääritulosten Y ja ennusteiden p välinen neliöero. Brier-pistemäärä voi vaihdella 0:sta täydelliselle mallille 0,25:een ei-informatiiviselle mallille, jonka tuloksen esiintyvyys on 50 %.)
18 päivää indeksin purkamispäivästä
Kokonaissuorituskyky 30 päivää
Aikaikkuna: 30 päivää indeksin purkamispäivän jälkeen
Brier Score (Brier-pisteet on neliöllinen pisteytyssääntö, jossa lasketaan todellisten binääritulosten Y ja ennusteiden p välinen neliöero. Brier-pistemäärä voi vaihdella 0:sta täydelliselle mallille 0,25:een ei-informatiiviselle mallille, jonka tuloksen esiintyvyys on 50 %.)
30 päivää indeksin purkamispäivän jälkeen
Kliininen hyödyllisyys (NRI) 18 päivän kohdalla
Aikaikkuna: 18 päivää indeksin purkamispäivästä
Net Reclassification Improvement (NRI): NRI:n laskennassa lasketaan yhteen herkkyyden paraneminen ja spesifisyyden paraneminen. NRI vaihtelee arvosta 0, kun ei ole parantunut, ja 1, kun kyseessä on täydellinen parannus.
18 päivää indeksin purkamispäivästä
Kliininen hyödyllisyys (NRI) 30 päivän kohdalla
Aikaikkuna: 30 päivää indeksin purkamispäivän jälkeen
Net Reclassification Improvement (NRI): NRI:n laskennassa lasketaan yhteen herkkyyden paraneminen ja spesifisyyden paraneminen. NRI vaihtelee arvosta 0, kun ei ole parantunut, ja 1, kun kyseessä on täydellinen parannus.
30 päivää indeksin purkamispäivän jälkeen
Kliininen hyödyllisyys (NB) 18 päivän kohdalla
Aikaikkuna: 18 päivää indeksin purkamispäivästä
Nettohyöty (NB): NB = (TP - w FP) / N, jossa TP on tosi myönteisten päätösten lukumäärä, FP on väärien positiivisten päätösten lukumäärä, N on potilaiden kokonaismäärä ja w on paino, joka on yhtä suuri kuin rajan kertoimet (pt/(1-pt) tai haitan ja hyödyn suhde
18 päivää indeksin purkamispäivästä
Kliininen hyödyllisyys (NB) 30 päivän kohdalla
Aikaikkuna: 30 päivää indeksin purkamispäivän jälkeen
Nettohyöty (NB): NB = (TP - w FP) / N, jossa TP on tosi myönteisten päätösten lukumäärä, FP on väärien positiivisten päätösten lukumäärä, N on potilaiden kokonaismäärä ja w on paino, joka on yhtä suuri kuin rajan kertoimet (pt/(1-pt) tai haitan ja hyödyn suhde
30 päivää indeksin purkamispäivän jälkeen

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Luzerner Kantonsspital

Yhteistyökumppanit

University of Lucerne

Tutkijat

  • Päätutkija: Aljoscha B. Hwang, University Lucerne (Switzerland)
  • Päätutkija: Stefan Boes, University Lucerne (Switzerland)

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Todellinen)

Tiistai 10. maaliskuuta 2020

Ensisijainen valmistuminen (Todellinen)

Perjantai 10. huhtikuuta 2020

Opintojen valmistuminen (Todellinen)

Torstai 1. lokakuuta 2020

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 6. maaliskuuta 2020

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 10. maaliskuuta 2020

Ensimmäinen Lähetetty (Todellinen)

Torstai 12. maaliskuuta 2020

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 20. lokakuuta 2020

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Sunnuntai 18. lokakuuta 2020

Viimeksi vahvistettu

Torstai 1. lokakuuta 2020

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muut tutkimustunnusnumerot

  • LUKS_RRM_2019

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

Ei

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Kliiniset tutkimukset Takaisinotto sairaalaan

Hae vastaavia kokeiluja

Sponsorit ja yhteistyökumppanit

Sairaudet

Huumeiden interventiot

CROs by country

CROs in Qatar

Ehdot

Harvinaiset sairaudet

Huumeiden interventiot

Ravintolisät

Sponsori / yhteistyökumppanit

Sijainnit

3
Tilaa