- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT06339125
L'analyse prédictive et la visualisation informatique améliorent la sécurité des patients pour prévenir les chutes
L'analyse prédictive combinée à la visualisation informatique améliore la sécurité des patients et allège le fardeau du personnel infirmier chargé de prévenir les chutes
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Pour réduire les chutes en milieu hospitalier et en s'appuyant sur des recherches antérieures sur les chutes en soins infirmiers, ainsi que sur le programme MFS et Fall TIPS, MGH a développé un algorithme d'aide à la décision pour identifier les changements dans les facteurs cliniques à mesure qu'ils se produisent afin d'alerter les infirmières de la nécessité de s'ajuster. interventions de prévention des chutes. MGH Nursing, grâce à une collaboration avec RGI Informatics, a ensuite déployé l'algorithme MGH sur une unité clinique de soins généraux. Le logiciel RGI utilise l'algorithme MGH diffusant en direct les données DSE d'Epic pour identifier les patients dont le risque de chute aurait pu augmenter et fournir une aide à la décision clinique aux infirmières grâce à une alerte sur leur téléphone portable émis par l'hôpital. Les résultats préliminaires ont démontré la faisabilité et une réduction statistiquement significative (p <0,01) des chutes avec blessures sur une période de 11 mois.
Des travaux préliminaires mutuellement exclusifs, sur une deuxième unité de soins généraux pour patients hospitalisés, impliquant un système informatisé de visualisation des patients, ont également permis de réduire les chutes. L'utilisation combinée des deux technologies peut produire un effet synergique, réduisant ainsi davantage l'incidence des chutes dans les établissements de soins actifs. À ce jour, il n'existe aucune preuve dérivée de l'évaluation des résultats pour les patients à partir de tests simultanés des deux technologies. Ainsi, le but de cette étude est de déterminer l'impact de trois interventions différentes de prévention des chutes (algorithme RGI/MGH uniquement, Inspiren uniquement et algorithme combiné RGI/MGH et Inspiren) sur les patients à risque de chutes et de chutes avec blessure sur trois adultes généraux. unités de soins dans un grand centre médical universitaire.
La solution proposée est la seule stratégie connue qui extrait et synthétise des données physiologiques et physiques provenant de sources multiples, pour créer une vue dimensionnelle du profil de sécurité d'un patient lié au risque de chute. Des alertes opportunes informeront les infirmières du risque de chute du patient, des raisons du risque et de leurs décisions cliniques concernant les stratégies de prévention des chutes. Cette proposition initiale se concentre sur les patients à risque de chute et nous sommes convaincus que cette approche innovante est adaptable pour résoudre d'autres problèmes de sécurité critiques, par exemple les escarres et les infections des voies urinaires associées au cathéter. Des informations détaillées sur RGI Analytics et Inspiren sont fournies ci-dessous.
Méthodologie : Une étude de cohorte observationnelle à méthodes mixtes sera menée pour déterminer l'impact et l'efficacité des soins habituels et de trois stratégies différentes de prévention des chutes qui dépassent la norme de soins dans trois unités de patients hospitalisés au MGH sur un an. L'unité 1 utilisera uniquement l'analyse de streaming et l'algorithme MGH, l'unité 2 utilisera uniquement la visualisation informatique AUGI d'Inspiren et l'unité 3 utilisera l'algorithme combiné d'analyse de streaming/MGH et le dispositif AUGI d'Inspiren. L'unité 4, l'unité de contrôle, servira de groupe de comparaison interne de la même institution. En plus des interventions de l'étude, les quatre unités continueront à maintenir les pratiques habituelles fondées sur des preuves du MGH et les normes de soins pour la prévention des chutes. Les données démographiques des patients, des unités et des infirmières collectées pour l'étude sont actuellement accessibles ou calculées à partir de sources existantes. Les sources incluent les données ADT, PCS financières, d’acuité et de qualité stockées dans PCS Datawarehouse. Les données démographiques globales des patients de l'unité comprendront l'âge, le sexe et la race. Les données démographiques sur les infirmières comprendront le nombre d'équivalents temps plein, les années d'expérience en tant qu'infirmière, les années d'expérience à l'HGM et le niveau d'éducation le plus élevé. Les données de l'unité comprendront le nombre d'admissions de patients, de jours-patients, la durée du séjour, l'acuité des soins infirmiers, le type de patient par sexe, âge, race, origine ethnique, le nombre de chutes dans l'unité et de chutes dans l'unité avec blessures, ainsi que des indicateurs de dotation en personnel infirmier. Les perceptions des infirmières des trois unités d'intervention seront mesurées en association avec l'intervention en utilisant les commentaires en temps réel des alertes de téléphone portable (utiles/inutiles), les commentaires des infirmières et les enquêtes trimestrielles. L'échelle d'efficacité de la prévention des chutes (Dykes, et al., 2021) est un outil de 13 éléments évalué par des pairs qui se concentre sur quatre domaines clés : permet de gagner du temps, ne perd pas de temps, vaut le temps et est utile pour prévenir les chutes. Les questions de l'enquête seront adaptées pour répondre aux besoins de cette étude et seront administrées via REDCap, une application Web sécurisée de Harvard Catalyst pour la gestion des outils d'enquête en ligne.
Questions de recherche
- Dans les soins aigus et en milieu hospitalier, existe-t-il une différence dans le taux d'occurrence des chutes et des chutes avec blessures, en comparant trois méthodes distinctes pour alerter les infirmières au point de service d'un changement dans le risque de chute d'un patient tout en maintenant toutes les autres normes actuelles. de soins pour la prévention des chutes et en ajoutant ces nouvelles normes au cours de l'étude : (1) utilisation d'analyses en continu et d'un algorithme de risque de chute qui alerte les infirmières d'un changement dans le risque de chute, (2) visualisation par ordinateur et interprétation par intelligence artificielle des mouvements du patient et ( 3) une combinaison des deux technologies ?
Quelles sont les perceptions des infirmières concernant :
- L'impact de trois technologies d'étude mises en œuvre pour aider à l'identification d'un risque accru de chute.
- La réduction du fardeau des infirmières sur l'évaluation du risque de chute et la recommandation d'interventions supplémentaires pour prévenir les chutes.
Objectifs de recherche :
- Comparez l'impact des trois innovations en matière de prévention des chutes, au sein et entre les unités et par rapport à une unité de contrôle (les quatre unités utilisant la même norme de soins habituelle) sur les chutes et les chutes avec blessures.
- Déterminez l’efficacité perçue des innovations et des alertes en matière de prévention des chutes sur l’aide à la décision clinique et le fardeau des infirmières à l’aide d’enquêtes auprès des infirmières, de réponses aux alertes et de groupes de discussion.
Type d'étude
Inscription (Réel)
Phase
- N'est pas applicable
Contacts et emplacements
Lieux d'étude
-
-
Massachusetts
-
Boston, Massachusetts, États-Unis, 02114
- Massachusetts General Hospital
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
La description
Critère d'intégration:
Patients médicaux adultes admis dans les unités d'étude. Toutes les infirmières travaillant dans les unités d'étude.
Critère d'exclusion:
- Aucun
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Soins de soutien
- Répartition: Non randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Aucun (étiquette ouverte)
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
|---|---|
|
Expérimental: Unité 1
L'algorithme basé sur les dossiers de santé électroniques de soins habituels et de diffusion en direct alerte les infirmières d'une éventuelle augmentation du risque de chute pour examiner les interventions en place.
|
L'algorithme génère des alertes de prévention des chutes aux infirmières en temps réel, en utilisant des informations factuelles sur les dossiers de santé électroniques concernant les changements dans les soins qui peuvent suggérer la nécessité de stratégies supplémentaires de prévention des chutes.
Autres noms:
|
|
Expérimental: Unité 2
Les soins habituels et la visualisation par caméra informatique détectent et anticipent les mouvements des patients à risque de chute et alertent les infirmières en cas de risque potentiel de chute.
|
La visualisation par caméra informatique Inspiren est une stratégie supplémentaire que les infirmières peuvent utiliser en cas de changement dans le risque de chute d'un patient.
Autres noms:
|
|
Expérimental: Unité 3
L'algorithme basé sur les dossiers de santé électroniques de soins habituels et de diffusion en direct alerte les infirmières d'une éventuelle augmentation du risque de chute pour examiner les interventions en place.
ET La visualisation par caméra informatique détecte et anticipe les mouvements des patients à risque de chute et alerte les infirmières présentant un risque potentiel de chute.
|
L'algorithme génère des alertes de prévention des chutes aux infirmières en temps réel, en utilisant des informations factuelles sur les dossiers de santé électroniques concernant les changements dans les soins qui peuvent suggérer la nécessité de stratégies supplémentaires de prévention des chutes.
Autres noms:
La visualisation par caméra informatique Inspiren est une stratégie supplémentaire que les infirmières peuvent utiliser en cas de changement dans le risque de chute d'un patient.
Autres noms:
|
|
Aucune intervention: Unité 4
Groupe témoin, aucune intervention et soins habituels.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Fall patient
Délai: Measured monthly/quarterly over one year
|
Rate of patient falls per 1000 patient days, National Database Nurse Sensitive Indicators
|
Measured monthly/quarterly over one year
|
|
Fall injury
Délai: Measured monthly/quarterly over one year
|
Rate of falls with injury per 1000 patient days, National Database Nurse Sensitive Indicators
|
Measured monthly/quarterly over one year
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Nurse perceptions
Délai: three, six, and 12 months
|
Questionnaire of Nurse perceptions of fall prevention strategies
|
three, six, and 12 months
|
|
Nurse perceptions
Délai: three, six, and twelve months
|
Focus groups of nurse perceptions
|
three, six, and twelve months
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Colleen K Snydeman, PhD, Massachusetts General Hospital
Publications et liens utiles
Publications générales
- 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.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Autres numéros d'identification d'étude
- 2023p003637
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .
Essais cliniques sur Blessure de chute
-
Kessler FoundationInstituto Vocacional Enrique Díaz de León A.C., Guadalajara, MexicoRecrutementTBI (Traumatic Brain Injury) ou MS (Sclérose en Plaques)États-Unis, Espagne
Essais cliniques sur Algorithme de prévention des chutes
-
Universidad Pública de NavarraMutua NavarraInconnueImpact sur l'épaule | Maladie de la coiffe des rotateursEspagne
-
Colgate PalmoliveComplétéGingivite | PlaquePorto Rico
-
Academisch Medisch Centrum - Universiteit van Amsterdam...ComplétéFibrillation ventriculaire | Tachycardie ventriculaire | Maladie cardiaque congénitale | Décès, Soudain, Cardiaque
-
Cleveland State UniversitySuspenduBlessure de chute | Interférence d'équilibrage | Accident de chuteÉtats-Unis
-
University of OklahomaRecrutementCancer de la prostate | Comportement de santéÉtats-Unis
-
University of OklahomaActif, ne recrute pasCancer de la prostate | Comportement de santéÉtats-Unis
-
AO Clinical Investigation and Publishing DocumentationRésiliéInfection du site opératoireÉtats-Unis, Argentine, Corée, République de, Allemagne, Espagne, Roumanie
-
VA Eastern Colorado Health Care SystemUS Department of Veterans AffairsRecrutementIdéation suicidaire | Problème de santé mentale | Déterminants sociaux de la santéÉtats-Unis
-
Massachusetts General HospitalCrisis Prevention InstituteComplété
-
University of Texas at AustinNational Institute of Nursing Research (NINR)Recrutement