Ampliamento della diagnosi differenziale digitalizzata nei Pronto Soccorso (DDX-BRO)

Sfondo:

La diagnosi errata si verifica in circa il 5% dei pazienti ambulatoriali e nel 10-35% dei pazienti del pronto soccorso, a volte con conseguenze mediche ed economiche devastanti. Al giorno d'oggi, esistono programmi di supporto decisionale diagnostico computerizzato (CDDS), che suggeriscono diagnosi differenziali (DDx) ai medici e quindi hanno il potenziale per migliorare le diagnosi e, quindi, i risultati della cura del paziente. Gli effetti di tali CDDS nelle impostazioni ER del "mondo reale" sono sconosciuti. Sono assenti studi clinici controllati che ne indaghino l'efficacia e la sicurezza. Inoltre, la maggior parte dei CDDS disponibili è eccessivamente cauta e suggerisce un'ampia varietà di opzioni diagnostiche, aumentando probabilmente il consumo di risorse diagnostiche.

Obiettivi:

Con questo progetto, i ricercatori mirano a comprendere le conseguenze intenzionali e non intenzionali dell'uso di CDDS da parte dei medici sulla qualità diagnostica e sul flusso di lavoro nella medicina d'urgenza

• a livello micro, in che modo i CDDS influenzano la qualità diagnostica da parte dei medici nei singoli pazienti di emergenza.
• a livello meso, come i CDDS influenzano il flusso di lavoro diagnostico nei reparti di emergenza.
• a livello macro, l'impatto economico ed educativo dell'utilizzo dei CDDS nei RL

Risultati: dettagli forniti di seguito

Design:

Studio cross-sectional, multicentrico, randomizzato a cluster controllato cross-over di quattro periodi. Quattro siti ER verranno assegnati in modo casuale a una delle due sequenze con periodi di intervento e controllo alternati (ABAB vs. BABA) con ciascun periodo della durata di due mesi. Il reclutamento riguarderà 74 pazienti per periodo e cluster e 1.184 pazienti in totale.

Criteri di inclusione/esclusione: dettagli forniti di seguito

Periodo di intervento: Dettagli riportati di seguito

Periodo di controllo: dettagli forniti di seguito.

Misure e procedure:

Per l'outcome primario, i dati saranno estratti dalle cartelle cliniche elettroniche (es. diagnosi di pronto soccorso, ricovero in terapia intensiva o diagnosi dopo 14 giorni se i pazienti sono ancora ricoverati). Inoltre, i pazienti e il loro medico di base saranno contattati telefonicamente dagli infermieri dello studio dopo 14 giorni dall'inclusione nello studio al fine di raccogliere informazioni sulle diagnosi attuali dei pazienti e sulle visite successive o sul ricovero in relazione alla visita iniziale al pronto soccorso. I dati per gli endpoint secondari saranno recuperati dai dati raccolti di routine nel sistema di cartelle cliniche elettroniche (ad esempio mortalità, tempo alla diagnosi ER, consumo di risorse). Inoltre, verranno eseguiti colloqui e focus group con i medici per indagare sui cambiamenti del flusso di lavoro diagnostico, sulla fiducia del medico e su altri risultati del processo.

Analisi statistica:

L'analisi statistica si baserà su metodi di modellazione mista lineare generale multilivello (GLMM) utilizzando tecniche post hoc appropriate (ad esempio per analisi di sottogruppi).

Per l'esito primario (presenza o assenza di un punteggio di rischio di qualità diagnostica positivo), verrà eseguito un modello misto lineare generalizzato (GLMM) con una famiglia di distribuzione binomiale e una struttura di correlazione intercambiabile. Il GLMM tiene conto di un effetto random per ogni sede, residente e medico curante. I medici residenti e curanti che effettuano la diagnosi sono nidificati all'interno dei siti. La condizione (intervento e controllo) e il periodo (periodo da 1 a 4) saranno inclusi come fattori fissi nell'ipotesi di parità di effetti di riporto. Inoltre, verranno aggiunti come covariate il reclamo principale presentato, l'età, il sesso e l'indice di comorbilità del paziente.

Per tutti gli endpoint secondari, le statistiche riassuntive appropriate alla distribuzione saranno tabulate per gruppo di trattamento. L'analisi degli endpoint secondari sarà parallela all'analisi primaria.