Digitaalisen ympäröivän kokemuksen vaikutus lasten alaosa -asiakirjoihin

Tausta: Vaikka sähköiset terveystietueiden (EHR) järjestelmät ovat vaikuttaneet potilaan turvallisuuden ja hoidon laadun edistymiseen, niihin on myös liitetty merkittävä lisääntyminen dokumentointikuormissa, mikä edistää kliinisten palovammoja [1]. Tämä pätee erityisesti lääkäreihin, joilla on riittämätön aika dokumentointiin. Joissakin tapauksissa se on vähentänyt tapaamispaikkojen vähentämistä ylimääräisen dokumentointiajan mahdollistamiseksi, mikä puolestaan ​​vähentää potilaan pääsyä hoitoon ja lääkäreiden tuottavuuteen [2,3].

Microsoft Nuance © on äskettäin ilmoittanut uuden generatiivisen keinotekoisen älykkyyden (AI) ratkaisun (Digital Ambient Experience) Dax Copilot [4], jossa vierailu tallennetaan potilaan/vanhempien suostumuksella, mutta huomautus syntyy läpi AI ja vierailun transkriptio melkein todellisena ajankohtana, jota palveluntarjoaja voi käyttää ja muokata heidän mielestään. Lisäksi sen avulla palveluntarjoajat voivat jatkaa dokumentointimalliensa käyttöä lisäämällä generatiivisen AI: n "älykkäisiin osioihin" muistiinpanoihinsa. Tällä lähestymistavalla on potentiaalia vähentää huomattavasti dokumentointikuormaa pitäen samalla monien tarjoajien dokumentaatio -mieltymykset.

Tämän satunnaistetun laadun parantamisen pilottihankkeen tavoitteena on arvioida, voivatko generatiivisten AI -ohjelmistojen toteuttaminen dokumentointiin, Microsoft Nuance's Dax Copilot, parantaa lääkäreiden dokumentaation tehokkuutta ja vähentää palamista.

Tavoitteet

Laadunparannus Globaali tavoite: Palauttajien dokumentaation tehokkuuden lisäämiseksi ja asiakirjojen taakkaan liittyvän palveluntarjoajan palautumisen vähentämiseksi.

Lasten toimintatavoite: Määritä, perusteltaanko Dax Copilot- tai siihen liittyvien toimittajien ohjelmistojen kustannukset vähentämällä lääkäreiden palamisen välityspalvelimia ja/tai voitaisiin kompensoida näkemällä lisää potilaita samana ajanjaksona tulojen ja potilaan pääsyn parantamiseksi.

Ehdotetun työn tavoitteet:

- Määritä Dax Copilotin vaikutus lääkäreiden palamisen välityspalvelimiin, mukaan lukien pyjaman aika, muistiinpanot ja EHR -tehokkuuden subjektiiviset mittaukset.

Menetelmät: Tämä on satunnaistettu laadunparannusprojekti, joka arvioi palveluntarjoajien dokumentoinnin tehokkuuden ja uupumuksen välityspalvelimien muutoksia erotuserotussuunnittelun avulla.

Projektin osallistujat

Hanke rekrytoi 20 palveluntarjoajaa, jotka täyttävät seuraavat osallisuutta koskevat kriteerit:

1. Lasten käytännöt DAX COPILOT -tuotteen tukemassa erikoisuudessa ja Epicin signaalituotteen käytettävissä olevilla dokumentaatiotehokkuusmittareilla.
2. > 0,5 Kliininen kokopäiväinen ekvivalentti (CFTE)
3. 2 tai enemmän puoli päivää viikossa keskimäärin ja näkee avohoidon ensisijaisena palveluntarjoajana (ei valvoa harjoittelijoita tai sovelluksia).
4. Suostuu käyttämään lasten EHR -mobiilisovellusta (Haiku) henkilökohtaisessa laitteessaan.
5. Sitoutuu tarjoamaan Dax Copilot Generative AI -ohjelmiston käytön kaikille potilaskäyntikohtauksille projektikauden ajan

6. Riittävä ja vakaa EHR -tiedot Epicin signaalituotteen dokumentaatiotehokkuudesta, määritelty seuraavasti:

   1. Asutettujen tietojen saatavuus on vähintään 40 viimeisen 52 viikon ajan.
   2. Pyjaman vakaalla mittareilla viimeisen kuuden kuukauden aikana muistiinpanoissa kaksi lääkäriä määrittelee visuaalisen tarkastuksen perusteella.
   3. > 75% palveluntarjoajan itse suorittamista ambulatorisista asiakirjoista (toisin kuin harjoittelijan tai edistyneen harjoittajan muistiinpano).

Osallistujat tunnistetaan sellaisten ominaisuuksien, kuten erikoisuuden, CFTE: n, avohoitotyön sijainnin sekä EPIC: n Signalin ympäristön tilaisuusindeksin perusteella, joka perustuu normalisoituihin pisteisiin saman päivän kaavioiden suhteessa suljettuihin, pyjamatyyppeihin ja merkeihin manuaalisesti kirjoitettuihin .

Satunnaistaminen suoritetaan kahden lohkolla erikoisuustasolla, jotta varmistetaan erikoisuuksien yhtä suuri esitys yhdeksi seuraavista ryhmistä 3 kuukauden lentäjälle:

1. Dax Copilot Generative AI -ohjelmiston (AI -ryhmä) käyttö
2. Nykyisen dokumentoinnin työnkulun (ohjausryhmä) jatkaminen

Tulokset

Ensisijaiset tuloksemme, jotka saadaan Epicin signaalituotteen avulla, ovat:

1. "Pyjama -aika", joka on määritelty keskimääräiseksi minuutin lukumääränä aikataulun mukaista päivää, joka vietettiin aktiviteettien kartoittamiseen klo 7–17.30 arkisin, viikonloppuisin aikataulujen ulkopuolella ja aikataulun lomien ulkopuolella. Tämä mittari liittyy Maslach Burnout -varaston uupumusasteikkoon [5].

2. "Aika nimeä tapaamiseen" muutamassa minuutissa

   Lisätulosmittarit sisältävät:

3. Edistymishuomautuksen pituus (merkit)
4. Huomautusosuus (kirjoittanut palveluntarjoaja vs. muut)
5. Aika tapaamisen sulkemiseen
6. DAX Copilot Generative AI -ohjelmiston avulla valmistettujen muistiinpanojen osuus
7. Potilaan keskimääräinen määrä viikossa
8. Projektin edeltävät ja sen jälkeen käyttäjän vastaukset muokatussa KLAS EHR -tehokkuudessa ja tyytyväisyyskyselyssä, validoidussa vertailukysymyksessä.
9. Projektin edeltävät potilaskokemustulokset ja sen jälkeen rutiininomaisesti NRC-tutkimukset.

Tiedonkeruu

Tiedot kerätään EPIC © -signaalista ja tutkimusten kautta. Tiedot sisältävät:

• Projektin osallistujien väestötiedot
• Dokumentaation tehokkuuteen liittyvät tiedot, jotka on esitetty yllä olevissa laatumittarissa

Tilastollinen analyysi Ensisijainen analyysi on erotteluanalyysi jokaiselle tulokselle. Esimerkiksi eron palveluntarjoajan keskimääräisen pyjama -ajan välillä ennen interventiojaksoa ja sen jälkeen lasketaan kaikille osallistujille. Sitten määrittelemme, kuinka tämä keskiarvo eroaa AI-ryhmässä ja kontrolliryhmässä erojen erojen arvioimiseksi.

Lisäanalyysit sisältävät mukautetut tai kerrostuneet erotteluanalyysit yllä lueteltujen tarjoajien ominaisuuksien perusteella. Laskemme myös kuvaavat tilastot vertaamalla kahden ryhmän tuloksia ja muuttujia. Tietojen luonteesta riippuen voimme käyttää juoksukaavioita, t-testejä, ANOVA: ta tai muita asianmukaisia ​​tilastollisia menetelmiä generatiivisen AI-dokumentointiohjelmiston vaikutuksen arvioimiseksi.

Viitteet

1. Budd, J. Burnout, joka liittyy elektroniseen terveyskertomukseen perusterveydenhuollossa. J Prim Care Community Health 14, 21501319231166921 (2023).
2. Colicchio, T.K., Cimino, J.J. & Del Fiol, G. Valtakunnallisen sähköisen terveyskertomuksen käyttöönoton tahattomat seuraukset: Haasteet ja mahdollisuudet kestävän käytön jälkeisenä aikana. J Med Internet Res 21, E13313 (2019).
3. Gaffney, A., et ai. Yhdysvaltain toimistopohjaisten lääkäreiden lääketieteellinen dokumentointitaakka vuonna 2019: Kansallinen tutkimus. Jama Intern Med 182, 564-566 (2022).
4. Microsoft+vivahte. Dokumentoi automaattisesti Dragon Ambient Experience (DAX). https://www.nuance.com/asset/en_us/collateral/healthcare/data-sheet/ds-ambient-clinical-intelligence-en-us.pdf. (2023).
5. Adler-Milstein, J. & Wang, M.D. Ulkopuolisten tietojen saatavuuden siirtymisen vaikutukset sähköisten terveyskertomusten sisällä paikallisten ja ulkopuolisten tietojen integrointiin sähköisten terveystietojen mukaan. J Am Med Inform Assoc 27, 606-612 (2020).