救急外来受診と入院を削減するための ML 電子警報管理システムの効果

毎週、家庭訪問後、HCA は各参加者に関する 23 の機能項目 (立位、移動、食事、気分、孤独などの能力) を記録するスマートフォン アプリケーションを使用して参加者の機能状態を報告しました。 機械学習技術を使用した予測システム (つまり、ランダム フォレスト予測子の活用) が開発され、看護師に対する ED 訪問のリスクについて 7 ～ 14 日間の予測アラートが生成されました。

この質問票は、機能的および臨床的自律性（すなわち、日常生活の活動）、考えられる医学的症状（例、疲労、転倒、および痛み）、行動の変化（例、認識および攻撃性）、およびHAまたはその周囲とのコミュニケーションに焦点を当てた。 。 このアンケートは非常にシンプルでわかりやすい質問で構成されており、患者様の状態を全体的に把握することができます。 23 の質問のそれぞれについて、はい/いいえでの回答が求められました。 HA によって記録されたデータは、安全なサーバーにリアルタイムで送信され、当社の機械学習アルゴリズムによって分析され、リスク レベルが予測され、CE マークを取得した PRESAGE CARE と呼ばれる Web ベースの安全な医療機器に表示されます。 特に、アルゴリズムが高リスクレベルを予測した場合、地区の医療ネットワークセンターの調整看護師に画面上に通知の形でアラートが表示されました。 このリスク通知には、調整看護師が家族介護者や他の医療専門家とやりとりする際に役立つよう、HA の記録から特定された患者の機能状態の最近の変化に関する情報が添付されていました。

警報が発せられた場合、調整看護師は家族の介護者に電話して、患者の健康状態の最近の変化と疑いの除去について尋ね、その後、治療開始前に開発された健康介入モデルに従って健康介入を求めるかどうかを決定することができました。勉強。 簡単に言うと、このアラート誘発型健康介入 (ATHI) は、患者の看護師 (患者が定期的に看護師の家庭訪問を受けている場合) または患者の一般開業医に電話し、患者の機能状態の悪化と潜在的なリスクを知らせることで構成されていました。 eHealth システムのアルゴリズムに基づく、今後数日以内の救急外来受診または計画外の入院の予定。 このATHIモデルは、私たちの研究に関与した地域のAgences Régionales de Santéによって提示され、承認されました。