- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT06339125
L'analisi predittiva e la visualizzazione computerizzata migliorano la sicurezza del paziente per prevenire le cadute
L'analisi predittiva combinata con la visualizzazione computerizzata migliora la sicurezza del paziente e allevia il carico degli infermieri nella prevenzione delle cadute
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Descrizione dettagliata
Per ridurre le cadute in ambito ospedaliero e basandosi sulla precedente ricerca infermieristica sulle cadute, nonché sul programma MFS e Fall TIPS, MGH ha sviluppato un algoritmo di supporto alle decisioni per identificare i cambiamenti nei fattori clinici non appena si verificano per avvisare gli infermieri della necessità di adeguarsi interventi di prevenzione delle cadute. MGH Nursing, attraverso una collaborazione con RGI Informatics, ha quindi implementato l'algoritmo MGH in un'unità clinica di assistenza generale. Il software RGI utilizza l'algoritmo MGH in streaming live dei dati EHR di Epic per identificare i pazienti il cui rischio di caduta potrebbe essere aumentato e fornire supporto decisionale clinico agli infermieri attraverso un avviso sui loro telefoni cellulari rilasciati dall'ospedale. I risultati preliminari hanno dimostrato la fattibilità e una riduzione statisticamente significativa (p <0,01) delle cadute con infortunio in un periodo di 11 mesi.
Anche il lavoro preliminare, reciprocamente esclusivo, su una seconda unità di cure generali ospedaliere, che coinvolge un sistema computerizzato di visualizzazione del paziente, ha prodotto una riduzione delle cadute. L'uso combinato delle due tecnologie può produrre un effetto sinergico riducendo ulteriormente l'incidenza delle cadute in ambito di terapia intensiva. Ad oggi, non esistono prove derivate dalla valutazione dei risultati dei pazienti derivanti dalla sperimentazione simultanea delle due tecnologie. Pertanto, lo scopo di questo studio è determinare l'impatto di tre diversi interventi di prevenzione delle cadute (solo algoritmo RGI/MGH, solo Inspiren e combinazione di algoritmo RGI/MGH e Inspiren) su pazienti a rischio di cadute e cadute con lesioni su tre adulti unità di cura in un grande centro medico accademico.
La soluzione proposta è l'unica strategia conosciuta che estrae e sintetizza dati fisiologici e fisici da più fonti, per creare una visione dimensionale del profilo di sicurezza di un paziente correlato al rischio di caduta. Avvisi tempestivi informeranno gli infermieri del rischio di caduta del paziente, del motivo del rischio e delle loro decisioni cliniche in merito alle strategie di prevenzione delle cadute. Questa proposta iniziale si concentra sui pazienti a rischio di cadute e siamo fiduciosi che questo approccio innovativo sia adattabile per affrontare altri problemi critici di sicurezza, ad esempio lesioni da pressione e infezioni del tratto urinario associate al catetere. Di seguito vengono fornite informazioni dettagliate su RGI Analytics e Inspiren.
Metodologia: verrà condotto un disegno di studio di coorte osservazionale con metodi misti per determinare l'impatto e l'efficacia delle cure abituali e tre diverse strategie di prevenzione delle cadute che superano lo standard di cura in tre unità di degenza presso MGH nell'arco di un anno. L'Unità 1 impiegherà solo l'analisi di streaming e l'algoritmo MGH, l'Unità 2 impiegherà solo la visualizzazione del computer AUGI di Inspiren e l'Unità 3 impiegherà l'algoritmo combinato di analisi di streaming/MGH e il dispositivo AUGI di Inspiren. L'Unità 4, l'unità di controllo, fungerà da gruppo di confronto interno della stessa istituzione. Oltre agli interventi dello studio, tutte e quattro le unità continueranno a mantenere la consueta pratica basata sull'evidenza MGH e gli standard di cura per la prevenzione delle cadute. I dati demografici di pazienti, unità e infermieri raccolti per lo studio attualmente sono accessibili o calcolabili da fonti esistenti. Le fonti includono i dati ADT, finanziari, di acutezza e di qualità di PCS archiviati nel datawarehouse di PCS. I dati demografici dei pazienti dell'unità in aggregato includeranno età, sesso e razza. I dati demografici degli infermieri includeranno il numero di equivalenti a tempo pieno, anni di esperienza come infermiere, anni di esperienza presso MGH e il più alto livello di istruzione. I dati dell'unità includeranno il conteggio dei ricoveri dei pazienti, i giorni del paziente, la durata della degenza, l'acutezza infermieristica, il tipo di paziente per sesso, età, razza, etnia, numero di cadute dell'unità e cadute dell'unità con infortuni e indicatori del personale infermieristico. Le percezioni degli infermieri riguardo alle tre unità di intervento saranno misurate in associazione all'intervento utilizzando feedback in tempo reale provenienti dagli avvisi del cellulare (utile/non utile), feedback degli infermieri e sondaggi trimestrali. La Fall Prevention Efficiency Scale (Dykes, et al., 2021) è uno strumento sottoposto a revisione paritaria composto da 13 elementi che si concentra su quattro aree chiave: fa risparmiare tempo, non fa perdere tempo, vale il tempo ed è utile nella prevenzione delle cadute. Le domande del sondaggio saranno adattate per soddisfare le esigenze di questo studio e saranno somministrate tramite REDCap, un'applicazione web sicura di Harvard Catalyst per la gestione degli strumenti di sondaggio on-line.
Domande di ricerca
- In ambito di terapia intensiva, in ambito ospedaliero ospedaliero, esiste una differenza nel tasso di occorrenza di cadute e cadute con lesioni, confrontando tre distinti metodi di allerta degli infermieri presso il punto di cura in merito a un cambiamento nel rischio di caduta del paziente, pur mantenendo tutti gli altri standard attuali? di cura per la prevenzione delle cadute e aggiungendo questi nuovi standard durante lo studio: (1) uso di analisi in streaming e un algoritmo del rischio di caduta che avvisa gli infermieri di un cambiamento nel rischio di caduta, (2) visualizzazione del computer e interpretazione dell'intelligenza artificiale del movimento del paziente e ( 3) una combinazione di entrambe le tecnologie?
Quali sono le percezioni degli infermieri riguardo a:
- L'impatto di tre tecnologie di studio implementate per facilitare l'identificazione di un aumento del rischio di caduta.
- La riduzione del carico infermieristico nella valutazione del rischio di caduta e la raccomandazione per ulteriori interventi per prevenire le cadute.
Obiettivi della ricerca:
- Confrontare l'impatto delle tre innovazioni nella prevenzione delle cadute, all'interno e tra le unità e con un'unità di controllo (tutte e quattro le unità utilizzando lo stesso consueto standard di cura) sulle cadute e sulle cadute con lesioni.
- Determinare l'efficacia percepita delle innovazioni nella prevenzione delle cadute e degli avvisi sul supporto alle decisioni cliniche e sul carico degli infermieri utilizzando sondaggi infermieristici, risposte agli avvisi e focus group.
Tipo di studio
Iscrizione (Stimato)
Fase
- Non applicabile
Contatti e Sedi
Contatto studio
- Nome: Colleen Snydeman, PhD
- Numero di telefono: 16176430435
- Email: csnydeman@mgb.org
Backup dei contatti dello studio
- Nome: Hiyam M Nadel, MBA
- Numero di telefono: 6176430064
- Email: hnadel@mgb.org
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
Descrizione
Criterio di inclusione:
Pazienti medici adulti ricoverati nelle unità di studio. Tutti gli infermieri che lavorano nelle unità di studio.
Criteri di esclusione:
- Nessuno
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Terapia di supporto
- Assegnazione: Non randomizzato
- Modello interventistico: Assegnazione parallela
- Mascheramento: Nessuno (etichetta aperta)
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
---|---|
Sperimentale: Unità 1
L'algoritmo basato sulla cartella clinica elettronica in streaming live e cure abituali avvisa gli infermieri del possibile aumento del rischio di caduta per la revisione degli interventi in atto.
|
L'algoritmo genera avvisi di prevenzione delle cadute per gli infermieri in tempo reale, utilizzando le informazioni della cartella clinica elettronica basate sull'evidenza relative ai cambiamenti nell'assistenza che potrebbero suggerire la necessità di ulteriori strategie di prevenzione delle cadute
Altri nomi:
|
Sperimentale: Unità 2
La visualizzazione delle cure abituali e della telecamera del computer rileva e anticipa i movimenti dei pazienti a rischio di cadute e avvisa gli infermieri del potenziale rischio di caduta.
|
La visualizzazione tramite telecamera del computer Inspiren è un'ulteriore strategia da utilizzare per gli infermieri quando si verifica un cambiamento nel rischio di caduta di un paziente.
Altri nomi:
|
Sperimentale: Unità 3
L'algoritmo basato sulla cartella clinica elettronica in streaming live e cure abituali avvisa gli infermieri del possibile aumento del rischio di caduta per la revisione degli interventi in atto.
AND La visualizzazione della telecamera del computer rileva e anticipa i movimenti dei pazienti a rischio di cadute e avvisa gli infermieri del potenziale rischio di caduta.
|
L'algoritmo genera avvisi di prevenzione delle cadute per gli infermieri in tempo reale, utilizzando le informazioni della cartella clinica elettronica basate sull'evidenza relative ai cambiamenti nell'assistenza che potrebbero suggerire la necessità di ulteriori strategie di prevenzione delle cadute
Altri nomi:
La visualizzazione tramite telecamera del computer Inspiren è un'ulteriore strategia da utilizzare per gli infermieri quando si verifica un cambiamento nel rischio di caduta di un paziente.
Altri nomi:
|
Nessun intervento: Unità 4
Gruppo di controllo, nessun intervento e cure abituali.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Cascate
Lasso di tempo: Misurazione mensile/trimestrale nell'arco di un anno
|
Tasso di cadute dei pazienti ogni 1000 giorni di degenza
|
Misurazione mensile/trimestrale nell'arco di un anno
|
Cade con infortunio
Lasso di tempo: Misurazione mensile/trimestrale nell'arco di un anno
|
Tasso di cadute con infortunio per 1000 giornate di degenza
|
Misurazione mensile/trimestrale nell'arco di un anno
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Percezioni degli infermieri
Lasso di tempo: tre, sei e dodici mesi
|
Indagine sulla percezione degli infermieri riguardo alle strategie di prevenzione delle cadute
|
tre, sei e dodici mesi
|
Percezioni degli infermieri
Lasso di tempo: tre, sei, nove e dodici mesi
|
Focus group sulle percezioni degli infermieri
|
tre, sei, nove e dodici mesi
|
Collaboratori e investigatori
Sponsor
Investigatori
- Investigatore principale: Colleen K Snydeman, PhD, Massachusetts General Hospital
Pubblicazioni e link utili
Pubblicazioni generali
- 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.
Studiare le date dei record
Studia le date principali
Inizio studio (Stimato)
Completamento primario (Stimato)
Completamento dello studio (Stimato)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Altri numeri di identificazione dello studio
- 2023p003637
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano IPD
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su Algoritmo di prevenzione delle cadute
-
Curtin UniversityCompletato
-
Medtronic Cardiac Rhythm and Heart FailureCompletatoBlocco di conduzione atrioventricolareStati Uniti, Belgio, Hong Kong, Malaysia, Spagna, Austria, Danimarca, Francia
-
Stanford UniversityTobacco Related Disease Research ProgramRitiratoComportamento, Salute | Comportamento, FumoStati Uniti
-
Wren Laboratories LLCIscrizione su invitoTumore neuroendocrino | Carcinoma neuroendocrino | CarcinoideStati Uniti
-
AO Clinical Investigation and Publishing DocumentationTerminatoProva di intervento multicentrico AO per la prevenzione dell'infezione del sito chirurgico (AOPOSSI)Infezione del sito chirurgicoStati Uniti, Argentina, Corea, Repubblica di, Germania, Spagna, Romania
-
University of Southern CaliforniaSan Francisco Veterans Affairs Medical Center; National Center for PTSDReclutamentoDisturbo post traumatico da stress | Disturbo da uso di alcolStati Uniti
-
University of Texas at AustinNational Institute of Nursing Research (NINR)Reclutamento
-
New York State Psychiatric InstituteNational Institute of Mental Health (NIMH)CompletatoDisturbo depressivo maggioreStati Uniti