Ai-A-A-A-A-A-A-A-Aid Decision Decision pour réduire la thromboembolie veineuse acquise à l'hôpital (essai randomisé VTE-AI) (VTE-AI RCT)

Contexte {6A} L'hôpital acquis de la thromboembolie veineuse (HA-VTE) reste la principale cause de décès chez les patients hospitalisés aux États-Unis.1 Environ 900 000 personnes éprouvent une TEV chaque année, avec des coûts médicaux basés sur l'incidence estimés entre 7 et 10 milliards de dollars par an. La deuxième cause des années de vie ajustées en fonction des handicaps, HA-VTE provoque une morbidité et une mortalité importantes chez les patients adultes et pédiatriques. Environ 1 personnes sur 3 éprouvent des complications à long terme (c'est-à-dire le syndrome post-thrombotique) après la TEV. La réduction de HA-VTE présente un défi de diagnostic majeur.

Malgré de nombreux modèles pronostiques publiés de HA-VTE, aucun modèle unique ne surpasse le reste. Et HA-VTE affecte inéquitablement les groupes, ce qui signifie que les modèles pourraient refléter ou aggraver les disparités de soins de santé si elles ne sont pas déployées dans le contexte des systèmes responsables et algorithmiques. L'intégration de l'IA évolutive pour la prévention de HA-VTE dans un soutien à la décision clinique efficace (CDS) pourrait réduire efficacement l'incidence HA-VTE tout en aidant la réalisation du potentiel d'IA dans la pratique clinique de grande valeur. Récemment, une équipe de cliniciens et de biostatisticiens de Vanderbilt a validé un score de risque de régression appelé "VTE-AI" pour pronostiquer le risque de HA-VTE à l'admission.5 Le fossé urbain-rural a longtemps provoqué des disparités de soins de santé dans la morbidité et la mortalité. Ces différences pourraient ne pas résulter de la ruralité elle-même, mais des «effets de l'inconvénient socio-économique, de l'ethnicité, de la disponibilité des services plus faibles, des niveaux plus élevés de risques personnels et des conditions environnementales, professionnelles et de transport plus dangereuses.» 7. La mise en œuvre de l'IA ne sera pas différente sans une attention particulière aux différences dans les deux paramètres de déploiement. L'étude de multiples implémentations simultanées de l'IA en milieu urbain et rural avec des patients adultes et pédiatriques produira des informations sans précédent pour les CDS axés sur l'IA.

Justification et objectifs spécifiques {6b} Cette étude étudiera rigoureusement une nouvelle approche d'IA pour prédire le risque de HA-VTE et de la prévention de la guidage. Cet essai produira des preuves solides de l'utilisation pragmatique de nouveaux AI-CDS pour prévenir HA-VTE sur divers sites et populations.

L'objectif de cette étude est d'évaluer l'efficacité des CD axés sur l'IA afin de réduire l'incidence de HA-VTE à travers le système de santé Vanderbilt, y compris les sites urbains et ruraux: Vanderbilt Adult Hospital (VUH) et le système de santé régional de Vanderbilt (VRHS), y compris l'hôpital Vanderbilt Tullahoma Harton (Hôpital Vanderbilt Wilson, le comté de Vanderbilt Bedford (VBCH), et Vanderbilt Wilson Wilson Wilson (VWCH).

Nous mettrons en œuvre un score de risque validé, VTE-AI, 5 qui ne nécessite pas la contribution du clinicien pour calculer, pour inciter les CDS suggérant une réexamen de la prophylaxie de la TVP chez ceux qui 1) ne présentent pas de prophylaxie active et 2) n'ont aucune contre-indication à la prophylaxie pharmacologique. Ce «coup de pouce» de CDS se produira après que les ordonnances d'admission auront été soumises pour les admissions à l'hôpital et chaque jour suivant d'une rencontre pour patients hospitalisés.

La norme de soins actuelle est un ensemble de commandes nécessitant un calcul manuel de l'outil de risque PADUA8 et la sélection d'une option de prophylaxie ou de la documentation d'une exception temporaire ou permanente. Nous évaluerons l'efficacité de l'apparence de décision clinique (CDS) dirigée par la TVTE par rapport à l'ordre de prophylaxie standard de la DVT / TVTE pour réduire l'incidence HA-VTE à travers les dimensions urbaines / rurales. Nous effectuerons un RCT pragmatique de CDS, randomisant la moitié des rencontres éligibles aux CD et à la moitié de la norme de soins.

Objectifs {7} Objectif primaire Nous supposons que les CDS réduiront l'incidence de HA-VTE chez ceux i) prédits à un risque élevé par VTE-AI et II) sans signe de prophylaxie pharmacologique en deux, à partir de l'incidence de 4,3% (562 / 12,946 événements) à 2,2% d'incidence, ce qui nécessitera 2 236 rencontres. Le calcul de la taille de l'échantillon indique qu'au moins 1 118 rencontres de patients sont nécessaires dans chaque bras pour obtenir une puissance de 80% avec une probabilité d'erreur de type I de 5%. En utilisant des données historiques de 2023-2024, nous constatons des dénombrements de 150-230 rencontres par mois en répondant à ces critères. Nous effectuerons donc le RCT pendant une (1) an pour respecter la taille de l'échantillon requise.

Objectif secondaire Nous émettons l'hypothèse que les CD VTE-AI n'augmenteront pas le risque de saignement, les taux de réadmission ou les durées de séjour (LOS) entre les bras d'intervention et de non-intervention.

Conception d'essai {8} RCT à deux bras avec randomisation au niveau de la rencontre.