Alertes d'apprentissage pour les lésions rénales aiguës

L'insuffisance rénale aiguë (IRA) comporte un risque important et indépendant de mortalité chez les patients hospitalisés, mais malgré son association avec de mauvais résultats cliniques, l'IRA est asymptomatique et souvent négligée par les cliniciens, avec moins de la moitié de tous les patients atteints d'IRA avec documentation du syndrome dans le dossier médical électronique, qui était associé à une diminution des taux de meilleures pratiques cliniques d'IRA.

Notre groupe de recherche a récemment mené un essai contrôlé randomisé multicentrique à grande échelle d'alertes électroniques pour l'IRA dans tout le système de santé de Yale New Haven de 2018 à 2020 (ELAIA-1). Notre étude a montré que, dans l'ensemble, le fait d'alerter les médecins de la présence d'IRA n'a pas démontré de différence dans le taux de notre critère de jugement principal de progression de l'IRA, de dialyse ou de décès, malgré l'alerte conduisant à certains changements de processus de soins tels que la mesure de créatinine et analyse d'urine. Il y avait, cependant, une hétérogénéité substantielle entre les sites d'étude. La prolifération de systèmes d'alerte inefficaces peut conduire au phénomène de fatigue d'alerte, où les prestataires ont tendance à ignorer les alertes dans un environnement d'alerte élevée, et peuvent avoir des effets délétères sur les soins aux patients. De plus, étant donné la nature hautement hétérogène de l'IRA, une approche plus personnalisée de l'alerte AKI peut être justifiée.

La modélisation uplift, couramment utilisée en marketing, est un nouveau concept dans le domaine médical et vise à déterminer les caractéristiques phénotypiques qui prédisent une réponse (bénéfice ou préjudice) à une intervention donnée. De cette manière, les patients qui devraient bénéficier le plus d'une intervention sont identifiés et ciblés de manière préférentielle. La modélisation ascendante des systèmes d'alerte a le potentiel d'améliorer l'efficacité des alertes grâce à un ciblage intelligent et de réduire la fatigue des alertes.

Dans cette étude, nous développerons notre précédent essai d'alerte AKI pour déterminer de manière prospective si l'utilisation de la modélisation du soulèvement pour cibler préférentiellement les patients susceptibles de bénéficier d'une alerte AKI réduira les taux de progression, de dialyse et de décès de l'IRA chez les patients hospitalisés atteints d'IRA. Les patients hospitalisés dans 4 hôpitaux universitaires du système YNHH atteints d'IRA, sur la base des critères de créatinine de la maladie rénale : améliorer les résultats globaux (KDIGO), seront randomisés dans un groupe "recommandé" (les scores les plus élevés recevant des alertes et les scores les plus faibles ne recevant pas d'alertes comme recommandé ) par rapport à un groupe "anti-recommandé" (avec des scores plus élevés ne recevant pas d'alertes et des scores plus faibles recevant des alertes comme anti-recommandé). Le critère de jugement principal sera un composite de la progression de l'IRA, de la dialyse ou de la mortalité dans les 14 jours suivant la randomisation. Les résultats secondaires se concentreront sur les mesures de processus spécifiques à l'IRA.