医療エスカレーションのためのリアルタイム ストリーミング臨床使用エンジン (ReSCUE-ME)

目的:

マウント サイナイ病院は、より高いレベルのケアを必要とする可能性のある患者に対して、一般的なフロア ケア プロバイダーに追加のサポートを提供するように設計された Rapid Response Team (RRT) システムを開発しました。 このシステムにより、看護師と医師の両方が RRT に通知し、クリティカル ケア チームに患者を評価してもらうことができます。 2018 年 3 月 1 日から 2018 年 9 月 17 日までの期間中、10W および 10E ユニットのマウント サイナイ病院フロア ユニットは、357 件の迅速対応チーム (RRT) コールを行い、わずか 58 件で実際にケアのレベルが向上しました (true陽性率〜16％）。 同様に、電子カルテ (EHR) は 839 件の敗血症ベスト プラクティス アラート (BPA) を生成しましたが、ケアのエスカレーションにつながったのは 5 件だけでした (真陽性率 ~ 0.5%)。 上記の結果は、患者がケアのエスカレーションを必要とした単一のケースを特定するために、168 を超える評価を行う必要があることを意味します。 ReSCUE-ME の目標は、将来のモデルのパフォーマンスを評価し、調査チームが MEWS++ を RRT およびプライマリ プロバイダーのワークフローに組み込むことができる最適な場所を特定することです。 主要エンドポイントは、研究期間中の 10W および 10E でのケアのエスカレーション率です。

バックグラウンド：

以前の研究で、このグループは、機械学習モデル (MEWS++) が、入院患者の大規模なレトロスペクティブ コホートで、手動で計算された標準の MEWS スコアよりも大幅に優れていることを実証しました。 このモデルを開発するために、研究チームは、157,984 回の入院と 244,343 回のベッド移動を伴う 96,645 人の患者のデータセット (承認: IRB-18-00581) を使用しました。 研究チームは、MEWS++ が 81.6% 対 44.6% の感度で標準の MEWS モデルよりも優れていることを発見しました。 75.5% 対 64.5% の特異性、 0.85 対 0.71 のレシーバー動作曲線下の領域。

この以前の結果に励まされて、研究チームは前向き研究でモデルを評価しようとしています。

ReSCUE-ME アラートのサイレント パイロットは、2019 年 2 月から 10E と 10W で実行されています。 調査チームは、リアルタイムの Web ベースのダッシュボードを介してアラートのパフォーマンスを継続的に監視しています。 結果を以下に要約します。

• プライマリ チームへのアラート数の中央値、フロアあたり、1 日あたり: 8
• RRT へのアラート数の中央値、フロアあたり、1 日あたり: 4
• 感度 0.76、特異度 0.68、AUC 0.77
• 精度 0.69、精度 0.3、F1 スコア 0.43 このパフォーマンスは、MEWS++ モデルの開発に使用された遡及的な過去のコホートで見られたパフォーマンスと比較して非常に優れています。
• 感度 0.82、特異度 0.76、AUC 0.85
• 精度 0.76、精度 0.12、F1 スコア 0.19"