急性ケアとプライマリケアの間の退院通信を強化するための自動フィードバックインジケーター。 (FIAQLS)

詳細な説明退院時の効果的なコミュニケーションは、ケアの継続性と患者の安全性に不可欠です。 退院手紙は、入院滞在を要約し、診断、治療、フォローアップケアを概説します。 退院手紙を検証し、退院日に患者に提供することを義務付けている国家ガイドラインにもかかわらず、コンプライアンスはフランスでは次の最適であり、平均パフォーマンススコアは目標をはるかに下回っています。

この研究は、自動化されたフィードバックメカニズムを通じてこのギャップに対処しようとしています。 病院の電子健康記録（EHR）システムを使用して、この調査では、介入グループの参加サービスごとに毎月のダッシュボードが生成されます。 これらのダッシュボードは、退院日に検証された排出文字の割合や必要なコンテンツフィールドの完全性を含む、パフォーマンスメトリックのリアルタイムビューを提供します。

この試験では、ランダム化単位として40の病院サービスを備えたクラスターランダム化制御設計を採用しています。 サービスは、活動タイプ（医学、手術/産科）とベースラインのパフォーマンスによって層別化されます。 この研究は2つのフェーズに分かれています。

実装前段階（2024年1月 - 2025年1月）：ベースラインデータを収集し、ランダム化のためのサービスを層別化するための12か月の観察期間。

実装段階（2025年2月 - 2026年2月）：介入サービスは毎月のパフォーマンスフィードバックを受け取り、制御サービスは標準的なケア慣行を継続します。

主なエンドポイントは、退院日が退院日に検証されている病院の割合です。 二次的な結果は次のとおりです。

全国の「e-satis」調査で測定された患者の満足度。 退院から30日以内の計画外の再入院率。 義務付けられたコンテンツフィールドで評価された放電文字の完全性（例：患者の識別、退院概要、フォローアップ計画）。

この研究は、24時間未満の滞在または入院中に患者が死亡した場合を除く、40の参加サービス内に適格なすべての患者滞在を登録します。 予想されるサンプルサイズは132,000の滞在です。

データ収集は、患者レベルで匿名化されたEHRシステムの日常的な管理データに依存します。 統計分析では、「差異の差」アプローチが採用され、介入グループとコントロールグループ間の結果の変化が時間の経過とともに比較されます。 混合効果ロジスティック回帰モデルは、クラスター内の相関を説明します。

この研究の結果は、退院プロセスの質の向上を促進する際の自動化されたフィードバックの有効性を実証することを目的としています。 成功すれば、アプローチはフランスの他の病院で拡大することができ、ケアと患者の転帰の向上に貢献します。