- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT06339125
A prediktív elemzés és a számítógépes vizualizáció fokozza a betegek biztonságát az esések megelőzése érdekében
A számítógépes vizualizációval kombinált prediktív analitika fokozza a betegek biztonságát, és megkönnyíti az ápolónő terhét az esések megelőzésében
A tanulmány áttekintése
Állapot
Körülmények
Beavatkozás / kezelés
Részletes leírás
A kórházi környezetben előforduló elesések csökkentése érdekében, valamint a korábbi ápolási őszi kutatásokra, valamint az MFS-re és a Fall TIPS programra építve az MGH döntéstámogató algoritmust fejlesztett ki a klinikai tényezők bekövetkeztében bekövetkező változások azonosítására, hogy figyelmeztesse az ápolónőket az alkalmazkodás szükségességére. esésmegelőzési beavatkozások. Az MGH Nursing az RGI Informatics vállalattal együttműködve bevezette az MGH algoritmust egy általános klinikai osztályon. Az RGI szoftver az Epic EHR-adatait élőben közvetítő MGH algoritmus segítségével azonosítja azokat a betegeket, akiknél megnőtt az esés kockázata, és klinikai döntési támogatást nyújt az ápolóknak a kórházi mobiltelefonjukon megjelenő riasztáson keresztül. Az előzetes eredmények megvalósíthatóságot és statisztikailag szignifikáns csökkenést (p <0,01) mutattak a sérüléssel járó esések számában 11 hónapos időszak alatt.
Az egymást kölcsönösen kizáró előmunkálatok, a második fekvőbeteg általános ellátási osztályon, számítógépes betegvizualizációs rendszerrel szintén csökkentették az esések számát. A két technológia együttes alkalmazása szinergikus hatást eredményezhet, ezáltal tovább csökkentve az elesések előfordulását az akut ellátásban. A mai napig nincs bizonyíték a két technológia egyidejű teszteléséből származó betegek kimenetelének értékelésére. Ezért ennek a tanulmánynak az a célja, hogy meghatározza három különböző esésmegelőzési beavatkozás (csak RGI/MGH algoritmus, csak Inspiren és kombinált RGI/MGH algoritmus és Inspiren) hatását az elesés és sérüléssel járó esés kockázatának kitett betegekre három általános felnőtt beteg esetében. gondozási egységek egy nagy akadémiai egészségügyi központban.
Javasolt megoldásunk az egyetlen ismert stratégia, amely több forrásból kinyeri és szintetizálja a fiziológiai és fizikai adatokat, hogy dimenziós képet hozzon létre a páciens biztonsági profiljáról az esés kockázatával kapcsolatban. Az időben érkező riasztások tájékoztatják az ápolókat a páciens leesésének kockázatáról, a kockázat okairól és az esésmegelőzési stratégiákkal kapcsolatos klinikai döntéseikről. Ez az eredeti javaslat az elesés kockázatának kitett betegekre összpontosít, és biztosak vagyunk abban, hogy ez az innovatív megközelítés más kritikus biztonsági kérdések, például nyomássérülések és katéterrel összefüggő húgyúti fertőzések kezelésére is alkalmas. Az RGI Analytics és az Inspiren részletes információi alább találhatók.
Módszertan: Megfigyelési kohorsz, vegyes módszereket alkalmazó vizsgálati tervet készítenek, hogy meghatározzák a szokásos ellátás hatását és hatékonyságát, valamint három különböző, az MGH három fekvőbeteg osztályán, egy éven át tartó elesésmegelőzési stratégiát, amelyek meghaladják az ellátás színvonalát. Az 1. egység csak az adatfolyam-elemzést és az MGH-algoritmust, a 2. egység csak az Inspiren AUGI számítógépes vizualizációját, a 3. rész pedig a kombinált adatfolyam-analitikai/MGH-algoritmust és az Inspiren AUGI-eszközét alkalmazza. A 4. egység, az ellenőrző egység, ugyanazon intézmény belső összehasonlító csoportjaként fog szolgálni. A vizsgálati beavatkozások mellett mind a négy egység továbbra is fenntartja a szokásos MGH-alapú, bizonyítékokon alapuló gyakorlatot, az esésmegelőzési ellátás színvonalát. A vizsgálathoz gyűjtött betegek, osztályok és ápolók demográfiai adatai jelenleg a meglévő forrásokból hozzáférhetők vagy számíthatók. A források közé tartoznak a PCS Datawarehouse-ban tárolt ADT, PCS pénzügyi, élességi és minőségi adatok. Az egységnyi beteg demográfiai adatai az aggregáltban magukban foglalják a kort, a nemet és a rasszt. Az ápolónők demográfiai adatai tartalmazzák a teljes munkaidős egyenértékűek számát, az ápolóként szerzett több éves tapasztalatot, az MGH-nál szerzett több éves tapasztalatot és a legmagasabb iskolai végzettséget. Az egységadatok magukban foglalják a betegek felvételeinek számát, a betegnapokat, a tartózkodás hosszát, az ápolási élességet, a beteg típusát nem, életkor, rassz, etnikai hovatartozás szerint, az egységben bekövetkezett és sérülésekkel járó elesések számát, valamint az ápolónők személyzeti mutatóit. A három beavatkozási egység ápolónői megítélését a beavatkozással összefüggésben mérik a mobiltelefonos riasztások (hasznos/nem hasznos), az ápolónői visszajelzések és a negyedéves felmérések segítségével. A Fall Prevention Efficiency Scale (Dykes et al., 2021) egy szakértői értékelést kapott, 13 elemből álló eszköz, amely négy kulcsfontosságú területre összpontosít: időt takarít meg, nem vesztegeti az időt, megéri az időt, és segít az esések megelőzésében. A felmérés kérdéseit a jelen tanulmány igényeihez igazítjuk, és a REDCap, a Harvard Catalyst biztonságos webalkalmazása az online felmérési eszközök kezelésére szolgál.
Kutatási kérdések
- Az akut ellátásban, fekvőbeteg-kórházi környezetben van-e különbség az esések és sérüléses esések előfordulási arányában, összehasonlítva az ápolónők gondozási ponton történő riasztásának három különböző módszerét a betegek elesési kockázatának változásával, az összes többi jelenlegi szabvány fenntartása mellett. az esés megelőzésére irányuló gondozás és a következő új szabványok hozzáadása a vizsgálat során: (1) streaming analitika és egy esés kockázati algoritmus használata, amely figyelmezteti az ápolónőket a leesés kockázatának változására, (2) számítógépes vizualizáció és a páciens mozgásának mesterséges intelligencia értelmezése és ( 3) a két technológia kombinációja?
Mit gondolnak az ápolók a következőkről:
- A megnövekedett esés kockázatának azonosítását segítő három vizsgálati technológia hatása.
- Az ápolói terhek csökkentése az esés kockázatának felmérése során, és az esések megelőzését szolgáló kiegészítő beavatkozások ajánlása.
A kutatás céljai:
- Hasonlítsa össze a három esésmegelőzési újítás hatását az egységeken belül és az egységek között, valamint egy vezérlőegységgel (mind a négy egység ugyanazt a szokásos ellátási színvonalat használja) az esésekre és sérülésekkel járó esésekre.
- Az ápolói felmérések, a riasztásokra adott válaszok és a fókuszcsoportok segítségével határozza meg az esésmegelőzési innovációk és riasztások észlelt hatékonyságát a klinikai döntéstámogatással és az ápolói terhekkel kapcsolatban.
Tanulmány típusa
Beiratkozás (Becsült)
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Colleen Snydeman, PhD
- Telefonszám: 16176430435
- E-mail: csnydeman@mgb.org
Tanulmányozza a kapcsolattartók biztonsági mentését
- Név: Hiyam M Nadel, MBA
- Telefonszám: 6176430064
- E-mail: hnadel@mgb.org
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Leírás
Bevételi kritériumok:
A vizsgálati egységekbe felvett felnőtt egészségügyi betegek. A tanulmányi egységeken dolgozó összes nővér.
Kizárási kritériumok:
- Egyik sem
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Támogató gondoskodás
- Kiosztás: Nem véletlenszerű
- Beavatkozó modell: Párhuzamos hozzárendelés
- Maszkolás: Nincs (Open Label)
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
---|---|
Kísérleti: 1. egység
A szokásos ellátás és az élő közvetítés elektronikus egészségügyi nyilvántartással vezérelt algoritmusa figyelmezteti az ápolónőket a leesés kockázatának esetleges növekedésére, hogy áttekintsék az elvégzett beavatkozásokat.
|
Az algoritmus valós időben generál esésmegelőzési riasztásokat az ápolóknak, bizonyítékokon alapuló elektronikus egészségügyi nyilvántartási információkat használva az ellátásban bekövetkezett változásokról, amelyek további esésmegelőzési stratégiák szükségességét sugallhatják.
Más nevek:
|
Kísérleti: 2. egység
A szokásos ellátás és a számítógépes kamerás vizualizáció észleli és előre látja a páciens mozgását az esés kockázatának kitett betegeknél, és figyelmezteti az ápolónőket, akiknél fennáll az esés kockázata.
|
Az Inspiren számítógépes kamerás vizualizáció egy további stratégia az ápolók számára, ha a beteg leesési kockázata megváltozik.
Más nevek:
|
Kísérleti: 3. egység
A szokásos ellátás és az élő közvetítés elektronikus egészségügyi nyilvántartással vezérelt algoritmusa figyelmezteti az ápolónőket a leesés kockázatának esetleges növekedésére, hogy áttekintsék az elvégzett beavatkozásokat.
ÉS A számítógépes kamerás vizualizáció észleli és előre látja a páciens mozgását az esés kockázatának kitett betegeknél, és figyelmezteti a nővéreket, akiknél fennáll az esés kockázata.
|
Az algoritmus valós időben generál esésmegelőzési riasztásokat az ápolóknak, bizonyítékokon alapuló elektronikus egészségügyi nyilvántartási információkat használva az ellátásban bekövetkezett változásokról, amelyek további esésmegelőzési stratégiák szükségességét sugallhatják.
Más nevek:
Az Inspiren számítógépes kamerás vizualizáció egy további stratégia az ápolók számára, ha a beteg leesési kockázata megváltozik.
Más nevek:
|
Nincs beavatkozás: 4. egység
Kontroll csoport, beavatkozás nélkül és szokásos ellátás.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
---|---|---|
Falls
Időkeret: Egy éven keresztül havonta/negyedévente mérve
|
A betegek száma 1000 betegnaponként csökken
|
Egy éven keresztül havonta/negyedévente mérve
|
Sérüléssel elesik
Időkeret: Egy éven keresztül havonta/negyedévente mérve
|
A sérüléssel járó esések aránya 1000 betegnaponként
|
Egy éven keresztül havonta/negyedévente mérve
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
---|---|---|
A nővér észlelései
Időkeret: három, hat és 12 hónap
|
Felmérés a nővérek esésmegelőzési stratégiáinak megítéléséről
|
három, hat és 12 hónap
|
A nővér észlelései
Időkeret: három, hat, kilenc és tizenkét hónap
|
Az ápolónő észlelésének fókuszcsoportjai
|
három, hat, kilenc és tizenkét hónap
|
Együttműködők és nyomozók
Szponzor
Nyomozók
- Kutatásvezető: Colleen K Snydeman, PhD, Massachusetts General Hospital
Publikációk és hasznos linkek
Általános kiadványok
- 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.
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Becsült)
Elsődleges befejezés (Becsült)
A tanulmány befejezése (Becsült)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Egyéb vizsgálati azonosító számok
- 2023p003637
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
IPD terv leírása
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .
Klinikai vizsgálatok a Esések és esések sérüléssel
-
VA Office of Research and DevelopmentToborzás
-
University of British ColumbiaCanadian Institutes of Health Research (CIHR)Befejezve
-
University of British ColumbiaVisszavont
-
Brigham and Women's HospitalNational Institutes of Health (NIH); National Institute on Aging (NIA)ToborzásEsési sérülés | Falls | Önhatékonyság gyakorlása | Falls Self-EfficacyEgyesült Államok
-
Tel-Aviv Sourasky Medical CenterIsmeretlen
-
University Hospital, MontpellierBefejezve
-
BioSensicsBrigham and Women's Hospital; Spaulding Rehabilitation HospitalBefejezve
-
University of Wisconsin, MadisonBefejezve
-
University of North Carolina, Chapel HillBefejezve
-
National Taiwan University HospitalBefejezve
Klinikai vizsgálatok a Esésmegelőzési algoritmus
-
Weill Medical College of Cornell UniversityNational Institute of Mental Health (NIMH)ToborzásDepresszió | Öngyilkossági gondolat | Öngyilkosság, kísérletEgyesült Államok
-
Curtin UniversityBefejezve
-
McMaster UniversityToborzásCsontritkulás | Törés | Törések, csípőKanada
-
Canadian Institutes of Health Research (CIHR)McMaster University; Hamilton Health Sciences CorporationBefejezveTörékenység | Csontritkulás | Törés | Krónikus állapotok, többszörösKanada
-
University of LouisvilleBefejezve
-
Marilyn MacKay-LyonsCanadian Institutes of Health Research (CIHR); Heart and Stroke Foundation of Canada és más munkatársakBefejezveÁtmeneti ischaemiás roham | Nem tiltott StrokeKanada
-
Washington University School of MedicineNational Heart, Lung, and Blood Institute (NHLBI)BefejezveSzív-és érrendszeri betegségek | Gyermekkori elhízásEgyesült Államok
-
Metabiomics CorpIsmeretlenColorectalis rák | Kolorektális adenoma
-
University of UtahNational Cancer Institute (NCI); Kaiser Permanente; University of Arizona; Sea Mar Community...Még nincs toborzásVakcina tétovázás | HPV oltás | Vakcina elutasítása | Vakcina; Felvétel | Oltás; Sorozat befejezéseEgyesült Államok
-
Christoffer RahmJohns Hopkins Bloomberg School of Public Health; Universidade do Porto; Universitätsklinikum... és más munkatársakToborzásPedofíliaNémetország, Portugália, Svédország