プライマリケアにおける機械学習オピオイドの過剰摂取予測とリスク層別化ツールの開発と評価 (DEMONSTRATE)

この臨床試験では、フロリダ州ゲインズビルの9つのUF健康内科および家庭医学クリニックで、電子健康記録（EHR）システム内のオピオイド過剰摂取リスク（EHR）システム内のオピオイド過剰摂取リスクを予測するように設計されたML駆動型CDSツールのパイロット実装を評価します。

実装プロセスには、CDSツールのバックエンドとフロントエンドの開発と統合が含まれていました。 バックエンドの統合のために、調査員は臨床ワークフローをレビューし、リスクスコアを患者チャートに組み込むためのデータフロー計画を設計し、UF Health ITと統合されたデータリポジトリ（IDR）研究サービスと協力して、アラートの実装、データフロー、サーバー仕様、および責任。 UF Health ITおよびInstitutional Review Board（IRB）によって承認されたリスク評価により、患者の健康情報（PHI）への安全なアクセスが確保され、EHR統合が可能になりました。 フロントエンド開発のために、調査員はユーザー中心の設計アプローチを使用してCDSツールプロトタイプを作成し、フォーティブインタビュー中にPCPからのフィードバックを組み込み、ユーザーインターフェイスを改良し、臨床ワークフローを混乱させることなく叙事詩システムを介したタイムリーな実用的なアラートを確保しました。

この研究の目的は、主に、混合メソッド評価を通じて実装後6か月のCDSツールの使いやすさ、受け入れ、および実現可能性を評価することを目的としています。 研究者は、半構造化されたインタビューとオンラインアンケートを使用して、PCPからフィードバックを収集し、アラートの使いやすさ、好み、および結果に焦点を当てます。 定量分析では、アラートの浸透、使用パターン、およびPCPアクションを評価し、定性分析では、コメントをオーバーライドすることからのテーマと洞察を調査して、ツールの最適化をガイドします。 また、研究者は、ナロキソン処方などのEHRデータを使用して、二次患者レベルの結果を調査します。