このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

EHRで正確な問題を維持することによる品質の向上 (IQ-MAPLE)

2023年2月6日 更新者：Adam Wright、Brigham and Women's Hospital

電子カルテで正確な問題を維持することで品質を向上させる

IQ-MAPLE プロジェクトの全体的な目標は、より正確で完全な問題リストの文書化を促進することにより、いくつかの心臓、肺、および血液の状態を持つ患者に提供されるケアの質を向上させることです。 最初の目的では、研究者は、電子カルテ (EHR) の構造化データに対するルールベースの手法と、非構造化データに対する自然言語処理を使用して、一連の問題推論アルゴリズムを設計および検証します。 これらの手法はどちらも、患者が抱えている可能性が高い問題の候補を導​​き出し、結果を統合します。 目的 2 では、研究者は、患者の問題リストにない候補の問題が検出されたときに医師に警告するために、4 つの研究サイトの EHR で臨床意思決定支援介入を設計します。臨床医は警告を受け入れて追加することができます。問題を解決するか、アラートをオーバーライドするか、完全に無視します。 目的 3 では、研究者は無作為化試験を実施し、3 つのエンドポイントに対する問題リスト アラートの効果を評価します: アラートの受け入れ、問題リストの追加率、および臨床的品質。

調査の概要

状態

完了

条件

介入・治療

詳細な説明

臨床問題リストは、問題指向の医療記録の基礎です。 問題リストは、臨床ケアのプロセス全体でさまざまな方法で使用されます。 臨床医による使用に加えて、問題リストは意思決定支援と品質測定にも重要です。

問題リストにギャップがある患者は、重大なリスクに直面します。 たとえば、架空の患者の糖尿病が適切に記録されている場合、担当の臨床医は適切なアラートとリマインダーを受け取り、ケアをガイドします。 さらに、患者は特別なケア管理プログラムに含まれる可能性があり、患者に提供されるケアの質が測定および追跡されます。 彼の問題リストに糖尿病がなければ、彼はこれらの利点のどれも得られないかもしれません.

この研究では、研究者は、問題リストにギャップがある患者を特定する臨床的意思決定支援介入を開発しました。 調査員は、これらのギャップの可能性をプロバイダーに警告し、プロバイダーにそれらを修正する機会を提供します。

最初の目的では、研究者は、電子カルテ (EHR) の構造化データに対するルールベースの手法と、非構造化データに対する自然言語処理を使用して、一連の問題推論アルゴリズムを設計および検証します。 これらの手法はどちらも、患者が抱えている可能性が高い問題の候補を導​​き出し、結果を統合します。 目的 2 では、研究者は、患者の問題リストにない候補の問題が検出されたときに医師に警告するために、4 つの研究サイトの EHR で臨床意思決定支援介入を設計します。臨床医は警告を受け入れて追加することができます。問題を解決するか、アラートをオーバーライドするか、完全に無視します。 目的 3 では、研究者は無作為化試験を実施し、3 つのエンドポイントに対する問題リスト アラートの効果を評価します: アラートの受け入れ、問題リストの追加率、および臨床的品質。

研究の種類

介入

入学 (実際)

2386

段階

  • 適用できない

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究場所

  • アメリカ
    • Massachusetts
      • Boston、Massachusetts、アメリカ、02115
        • Brigham and Women's Hospital
    • Oregon
      • Portland、Oregon、アメリカ、97239
        • Oregon Health and Science University
    • Pennsylvania
      • Camp Hill、Pennsylvania、アメリカ、17011
        • Holy Spirit Hospital
    • Tennessee
      • Nashville、Tennessee、アメリカ、37235
        • Vanderbilt University Medical Center

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

就学可能な年齢

18年歳以上 (アダルト、OLDER_ADULT)

健康ボランティアの受け入れ

はい

受講資格のある性別

全て

説明

包含基準:

  • 介入が観察されている特定のサイトで電子カルテを使用する 18 歳以上のすべてのプロバイダー。

除外基準:

-

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか？

デザインの詳細

  • 主な目的：他の
  • 割り当て：ランダム化
  • 介入モデル：平行
  • マスキング：独身

武器と介入

参加者グループ / アーム
介入・治療
NO_INTERVENTION：EHRの通常の使用
サイトは、患者が問題リストにその状態を持っていない場合、コントロールアームのプロバイダーに対してアラートがトリガーされないように、EHR システムを構成します。
実験的：介入アーム
サイトは、患者が問題リストにその状態を持っていない場合に、介入アームのプロバイダーに対してこれらの状態のアラートがトリガーされるように、EHR システムを構成します。 各アラートは実行可能であり、医療提供者はワンクリックで問題を患者の問題リストに追加できます。 医療提供者は、患者にその状態がないというルールを無効にすることもできます (この場合、アラートをトリガーする新しい情報が患者の記録に追加されない限り、アラートは再度表示されません)。後で。
他の：問題リストの提案
サイトは、患者が問題リストにその状態を持っていない場合に、介入アームのプロバイダーに対してこれらの状態のアラートがトリガーされるように、EHR システムを構成します。 各アラートは実行可能であり、医療提供者はワンクリックで問題を患者の問題リストに追加できます。 医療提供者は、患者にその状態がないというルールを無効にすることもできます (この場合、アラートをトリガーする新しい情報が患者の記録に追加されない限り、アラートは再度表示されません)。後で。

この研究は何を測定していますか？

主要な結果の測定

結果測定
メジャーの説明
時間枠
各アラートの受け入れ数をアラートの一意のプレゼンテーションの総数で割って計算したアラートの受け入れ率の測定
時間枠：学習完了まで、または最長 1 年間

アラートの受け入れ:

この最初のエンドポイントは記述的です。プロバイダーに提示されたアラートの受け入れ率です。 これは、各アラートの受諾の総数を取得し、それをアラートの総数または一意の提示数で割ることによって計算されます。 層別分析を実施して、機関、専門分野、疾患、および医療提供者の人口統計学的特性による受け入れ率の違いを調べ、結果を表形式で報告します。
学習完了まで、または最長 1 年間
電子カルテの問題リストに追加された研究関連の問題の数を比較することにより、問題リストの完了の影響を判断する
時間枠：学習完了まで、または最長 1 年間

問題リストの完了率への影響:

このエンドポイントでは、介入群と​​対照群の電子健康記録の患者問題リストに追加された研究関連の問題の数を比較します。
学習完了まで、または最長 1 年間
NCQA の HEDIS 2013 測定セットからの 4 つの結果測定に基づいて、提案された問題を問題リストに追加することによるケアの質への影響を判断する
時間枠：学習完了まで、または最長 1 年間

ケアの質への影響:

私たちの研究の重要な目標は臨床転帰を改善することであるため、NCQA の Healthcare Effectiveness Data and Information Set (HEDIS) 2013 測定セットから評価する 4 つの結果測定値を選択しました: 心筋梗塞の病歴を持つ患者の LDL コントロール、患者の LDL コントロール冠動脈疾患、冠動脈疾患患者の血圧管理、高血圧患者の血圧管理。 各測定値の分子と分母の詳細は HEDIS マニュアルに記載されており、研究チームは各測定値の計算に NCQA の手順を採用し、データセットの臨床的性質を考慮して必要に応じて修正します。
学習完了まで、または最長 1 年間

二次結果の測定

結果測定
メジャーの説明
時間枠
CMS、NHLBI、および NQMC からの各試験条件の主要なプロセス指標を使用したプロセス指標の評価
時間枠：学習完了まで、または最長 1 年間
プロセス測定の改善 3 番目の結果の臨床エンドポイントを完了するために、プロセス測定、特に LDL テストの頻度、抗高脂血症薬の処方、アスピリンまたは他の抗血小板薬の処方、および降圧薬の処方も評価します。 介入群 (対対照) と部位の固定効果を持つロジスティック回帰を使用して結果を分析し、一般化推定方程式 (GEE) を使用して回帰パラメーターを推定し、同じ医師の患者と異なる患者間のクラスタリングを説明します。同じペアの医師。 IQ-MAPLE の品質への影響の程度を推定するために、各品質測定値について個別の回帰モデルを構築し、品質測定値に対する追加の効果とサイトでの関連する測定値に対する CDS の可用性を含むプール分析も実施します。 CDS によって仲介されます。
学習完了まで、または最長 1 年間

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

Brigham and Women's Hospital

協力者

Oregon Health and Science University
Vanderbilt University
Geisinger Clinic

出版物と役立つリンク

研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。

一般刊行物

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (実際)

2016年4月1日

一次修了 (実際)

2018年3月1日

試験登録日

最初に提出

2015年10月19日

QC基準を満たした最初の提出物

2015年11月2日

最初の投稿 (見積もり)

2015年11月4日

学習記録の更新

投稿された最後の更新 (実際)

2023年2月8日

QC基準を満たした最後の更新が送信されました

2023年2月6日

最終確認日

2023年2月1日

詳しくは

本研究に関する用語

追加の関連 MeSH 用語

その他の研究ID番号

  • 2009P001846-14

この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。

購読する