Geisinger at Home (GaH) 患者管理の評価

背景と理論的根拠:

Geisinger at Home™ は、資格のある Geisinger ゴールド メディケア アドバンテージ メンバーが住んでいる場所に、パーソナライズされたヘルスケアを提供します。 Geisinger の在宅ケア プログラムは、患者の健康と安全を維持し、医療チームとのつながりを深めることを目的としています。 Geisinger の医師チーム、登録看護師、栄養士、ケース マネージャー、薬剤師、その他の医療サポート スタッフは、患者のプライマリ ケア医と緊密に協力して、必要に応じて患者を訪問できます。 このプログラムの目標は、定期的な家庭訪問を通じて慢性的な健康状態を持つ患者の健康ニーズを満たすことであり、緊急治療室や病院への旅行を必要とするこれらの状態の急性増悪を減らす可能性があります.

Geisinger at Home のケアには次のようなものがあります。

健康診断 定期検査 創傷ケア 呼吸器ケア 栄養ニーズ 緊急ケア 専門ケア

現在、約 7,000 人の Geisinger ゴールド メンバーが Geisinger at Home プログラムに登録しており、現在のスクリーニング アプローチに基づいて 11,000 人以上が適格です。

このプログラムの基本的な運用上の課題は、7,000 人の登録メンバーの中で、希少なリソース (ケア チームのメンバー) を最適に展開/配分して、その効果を最適化する方法を決定することです。 現在のスクリーニング プロセスでは、限られたデータ (課金コード) と単純なヒューリスティックスを使用して患者のリスクを評価しています。結果を正確に予測し、プログラムに最も適した患者を特定します。 調査官は、これらのより詳細なデータを使用することで、この新しい医療提供システムを最適化し、将来の医療利用や死亡などの有害事象のリスクが最も高い患者をターゲットにできると考えています。 概念実証として、捜査官は機械学習モデルを生成し、今後 12 か月の将来の利用のリスクを予測しました。 このモデルは、臨床データ、画像測定、併存疾患、投薬、過去の利用指標、および社会的指標を含む 191 の入力変数を利用しました。 その結果、課金コード データを利用する現在のスクリーニング アプローチと比較して、機械学習モデルが利用エンドポイントを予測する能力があることが示されました。 治験責任医師は現在、これらの正確な予測モデリングの結果やその他の層別化アプローチから情報を得た場合に、GaH 介入が患者の転帰 (入院や救急外来受診、死亡率など) に及ぼす影響を前向きに評価しようとしています。

手順:

研究デザイン これは、現在のケア管理のベスト プラクティスと比較して、適格な患者に対する GaH 介入の効果を評価するための前向きで実用的な無作為対照研究です。 患者は、EHR、ランダムに割り当てられた GaH 介入または標準治療 (SoC) から入手可能なデータに基づいて特定およびスクリーニングされ、6 か月間追跡されます。 この研究の主要評価項目は、入院数と救急外来受診数です。 二次エンドポイントは、登録後の6か月の生存です。

詳細な手順: コホートが特定されると、コホート 2 (コントロール) は引き続き標準的な臨床ケアと管理を受けます。 プロジェクト チームのメンバーがこれらの個人に介入したり交流したりする意図はありません。 コホート1は、GaHチームによる臨床的に指示されたプロセスを通じて、GaH介入のためにオンボーディングされます。 注目すべきことに、このプロジェクトの目的は、GaH プロセスまたは手順の特定の詳細を定義、制御、または評価することではなく、この設定における代替の臨床ケアパスとしての有効性を評価することです。 そのため、各患者とのやり取りにおける GaH ケア チームの具体的な詳細と行動は、医療上の裁量に委ねられています。