小児eCART導入の評価

小児 eCART は、すぐに利用できる EHR データを利用して疾患の重症度を迅速に定量化し、重篤な疾患の発症の可能性を予測します。 現在、UW Health に入院している小児の重篤な病気のリスクを継続的に追跡する、一貫して利用可能なシステムは存在しません。 したがって、UW Health の臨床医や医療提供者には、効果的な臨床上の意思決定のために患者をリスク階層化するための信頼できるメカニズムがありません。

この提案は、AgileMD 臨床意思決定支援エンジンと、30,000 人を超える患者のデータセットで開発された機械学習分析を活用しています。 小児 eCART は、悪化のリスクが高い患者に注意を喚起し、ICU レベルのケアのタイミングや必要性などの患者管理を最適化するように明確に設計されています。

予備研究では、シカゴ大学での小児 eCART の導入が転帰の改善につながったことが示されています。 ウィスコンシン大学ヘルスに入院した子供たちの間でも同様の改善が見られれば、小児集団の罹患率と死亡率の減少につながるでしょう。

さらに、データ駆動型 CDS ツールに対する看護師の理解については、依然として大きなギャップが残っています。 看護師は医療制度における臨床医の最大の労働力であり、患者の観察と評価に最も多くの時間を費やす臨床医として、臨床症状の悪化の検出において主要な役割を果たしています。ただし、AI 主導の CDS の受容性は、看護師によるこれらの新しいツールの受容性を評価するために測定されていません。 これらのツールが最終的に看護師の幸福を仲介するためには、継続的な使用を増やし、警戒疲労や認知負荷の増加などの次善の結果を軽減するために、受け入れられることが不可欠です。 ある研究では、敗血症早期警告システムの有用性についての看護師の認識を評価したところ、アラートが役立つと認識している看護師は半数未満であり、アラートが患者ケアに影響を与えたと報告した看護師はわずか 3 分の 1 であったことがわかりました。 看護師の受け入れを理解することは、臨床看護師の認知的負担を改善するために予測ツールを活用できるように、AgileMD の設計戦略の導入と使用を促進するための情報を提供します。 最終的に、この研究では次の 2 つの小児グループに対して小児 eCART を評価します。(1) スクリーニングを受けた小児患者。 (2) 小児科看護師、臨床医のエンドユーザー。

研究デザイン: これは、臨床意思決定支援ツールとして電子医療記録に統合された機械学習アルゴリズムの介入前後の研究です。 「プレ」参加者は、2022年1月1日から2025年の小児eCART導入日までの間にUW Healthに入院した入院中の小児（18歳未満）です。 小児 eCART スコアは、患者の検査結果とバイタルサイン観察を小児 eCART ツールに入力することにより、「プレ」参加者に対して遡及的に計算されます。 「ポスト」参加者は、小児eCART導入後2年以内（2025～2027年予定）にウィスコンシン大学ヘルスに入院する入院児童（18歳未満）である。 これらの患者の小児 eCART スコアはリアルタイムで計算されます。