여러 기록이 열려 있는 잘못된 환자 오류의 위험

Montefiore Medical Center에서 실시한 무작위 대조 시험에서 조사관은 입원 환자 및 외래 환자 공급자를 주문 시 최대 1개 기록(제한 모드) 또는 주문 시 최대 4개 기록(무제한 모드)으로 무작위 배정할 것을 제안합니다. ). 과제는 연구가 시작되기 전에 이루어지며 연구 내내 일정하게 유지됩니다. 이 연구의 조사자가 아닌 IT에서 일하는 컴퓨터 프로그래머는 Microsoft Excel을 사용하여 난수를 생성하고 각 제공자에게 하나의 번호를 할당합니다. 홀수 번호가 할당된 공급자는 제한된 코호트에 속하고 짝수 번호가 할당된 공급자는 무제한 코호트에 속합니다. 연구가 시작된 후 Montefiore에 가입한 제공자는 연구와 관련이 없는 컴퓨터 프로그래머로부터 전자 건강 기록(EHR)에 대한 새 사용자 로그인이 할당될 때 Excel에서 임의의 번호를 할당받게 됩니다. 할당된 난수를 기준으로 그룹화합니다. 무작위 통제 시험이 시작될 때 조사관은 연구 팀이 만든 메시지를 사용하여 이메일과 IT 시스템 내에서 직접 임상 직원에게 연구 목적을 설명합니다. 이 메시지는 임상의에게 데이터가 기밀로 유지되고 협력이 그들에게 위험을 초래하지 않는다는 것을 보장할 것입니다.

Montefiore는 EPIC EHR 시스템을 사용합니다. EPIC은 잘못된 환자의 전자 주문을 식별하는 자동화된 방법인 RAR(Retract-and-Reorder) 도구를 구현하고 주문 시 열려 있는 레코드 수를 캡처합니다. 이 연구는 RAR 이벤트에 대한 제한 모드와 비제한 모드에서 EHR 시스템을 갖는 효과를 조사할 것입니다. 목표는 대규모 건강 IT 구현 연구 프로젝트를 위한 예비 데이터를 제공하기 위해 효과 크기 및 클래스 내 상관 관계의 추정치를 얻는 것입니다. 분석 단위는 순서가 됩니다. 먼저, 제한 및 비제한 모드에 있는 주문에 대한 RAR 이벤트 비율이 계산되어 순위 합계 테스트를 사용하여 비율의 차이를 테스트합니다. 다음으로, 공급자 및 설정의 하위 집합에서 제한된 모드와 제한되지 않은 모드의 RAR 이벤트 비율 간의 관계를 조사하여 특정 유형의 공급자 또는 설정이 위험을 증가시키는지 여부를 결정합니다. 마지막으로, 혼합 효과 로지스틱 회귀 모델은 RAR 이벤트를 결과로, EHR 시스템의 모드(제한 대 비제한)를 관심 있는 독립 변수로 적합합니다. 이전 작업에서 상당한 제공자 내 및 세션 내 상관 관계를 제안했기 때문에 이 모델에는 제공자 및 주문 세션 수준에서 무작위 효과가 포함됩니다. 주문은 세션에 중첩되고 세션은 공급자에 중첩됩니다. 혼란의 위협을 해결하기 위해 모델에는 제공자, 환자, 주문 세션 및 주문 수준 공변량을 포함한 고정 효과 변수가 포함됩니다.

중재가 실제로 RAR 발생률을 악화(증가)시킬 가능성을 방지하고 이미 결론이 난 연구가 불필요하게 계속되는 것을 방지하기 위해 데이터 안전 모니터링 위원회는 무작위 대조 시험에서 데이터에 대해 1회의 중간 검토를 수행합니다.