입원 환자의 부작용에 대한 실시간 분석의 효과
연구 개요
상세 설명
입원 환자 중 부작용(AE)은 "퇴원, 사망 또는 장기 입원 시 장애를 초래하고 환자의 기저 질환 이외의 사건으로 인해 발생하는 의도하지 않은 부상 또는 합병증"으로 정의됩니다. 매년 전체 병원 입원의 약 1.1% 또는 400,000명의 환자가 AE로 인해 사망하고 미국 경제에 약 171억 달러의 비용이 발생합니다. 캐나다 부작용 연구는 병원 입원의 7.5%에서 AE를 보고했으며, 이러한 사건의 37%는 예방 가능한 것으로 간주되었습니다. 감염 및 패혈증, 심장 및 호흡 부전 및 사망을 포함하는 일반적인 AE는 AE가 진단되기 최대 48시간 전에 인식할 수 있는 환자의 활력 징후의 변화에 의해 진행되는 것으로 보고되었습니다. 많은 경우에, 환자의 활력 징후의 미묘한 변화는 계획되지 않은 ICU 입원 또는 사망으로 이어질 수 있는 AE의 전조로 후향적으로 인식되었습니다.
간호 직원이 AE의 전구체로서 활력 징후의 변화를 식별하는 데 도움을 주기 위해 많은 조기 경고 시스템이 개발되었습니다. 일반적으로 사용되는 수정 조기 경고 점수(MEWS)는 환자의 활력 징후 및 의식 수준을 기반으로 급성 임상 악화를 식별하려고 시도합니다. MEWS 점수가 높을수록 AE의 위험이 더 큽니다. 그러나 MEWS 점수의 유효성은 점수가 기록되고 간호사가 평가하는 빈도에 따라 달라집니다. 바이탈 사인의 지속적인 모니터링이 ICU 내외에서 이루어지지만 이러한 데이터는 간호사가 병실 밖에 있을 때 실시간으로 간호사에게 거의 제공되지 않습니다. 또한 활력 징후와 MEWS 점수는 일반적으로 24시간 동안 예정된 간격으로 환자 기록에 기록됩니다(예: 4, 6, 8 또는 12시간마다). 환자의 생리적 상태가 이러한 예정된 간격 사이에 악화되고 간호사가 환자와 지속적으로 함께 있지 않으면 AE로 이어질 수 있는 이러한 악화를 조기에 인식할 기회를 잃게 됩니다. 임상 실습에서 활력 징후를 모니터링하는 것의 중요성은 논쟁의 여지가 없지만, 이를 가장 잘 모니터링하고 해석하는 방법과 AE를 최소화하기 위해 얼마나 자주 측정해야 하는지는 여전히 불분명합니다.
문헌의 이러한 격차를 해결하기 위해 프로젝트 팀은 혁신적인 기술을 개발했습니다. BAS(Beat Analytics System)는 간호사에게 휴대 전화의 앱을 통해 환자의 활력 징후를 실시간으로 모니터링하고 환자의 MEWS 점수를 지속적으로 계산할 수 있는 기능을 제공합니다. 이 정보는 시간 경과에 따른 MEWS 점수의 변화를 관찰하기 위해 숫자(경보에 대한 경계 조건 포함) 및 그래픽으로 표시될 수 있습니다. 본 연구의 목적은 간호사에게 BAS를 사용하여 환자의 활력 징후 및 MEWS 점수에 대한 원격, 연속, 실시간 모니터링을 제공하는 것이 AE 발생, ICU 입원, 입원 기간 및 비중환자실 환자 대상 신속대응팀 활성화 이 목적은 결과 변수(AE, ICU 입원 기간 및 신속 대응 팀의 활성화)가 20개 병상 비집중 치료실 2개에서 매달 모니터링되는 종단적 순차적 연구 설계를 통해 해결될 것입니다. BAS 없이 6개월. 6개월의 기본 데이터 수집 기간 후에 BAS를 사용하기 위해 대상 단위에서 간호 직원을 교육하는 한 달이 뒤따를 것입니다. 이 오리엔테이션 달 이후에 결과 변수는 환자의 활력 징후가 지속적으로 기록되는 대상 병동에서 환자를 돌보는 간호사가 BAS를 사용할 수 있는 6개월 개입 단계에서 다시 측정됩니다.
연구 유형
연락처 및 위치
연구 장소
-
-
Ohio
-
Toledo, Ohio, 미국, 43614
- The University of Toledo Medical Center
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- University of Toledo Medical Center(UTMC) 병원 내 2개의 비집중 치료실 중 하나에 입원했습니다.
제외 기준:
- 정보에 입각한 동의를 제공할 수 없음
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
평상시 관리
연구의 기준선 및 개입 단계 모두에서 대상 단위로 입원하거나 이송되는 모든 환자는 연구의 대상이 되기 위해 연구 직원이 접근할 것입니다.
환자는 전반적인 연구 목적에 대해 통보를 받고 참여에 대한 정보에 입각한 동의를 제공해야 합니다.
환자의 연구 참여에는 연구 직원이 전자 건강 기록(EHR)에서 수집된 관련 결과 변수(AE, ICU 입원, 병원 체류 기간 및 신속 대응 팀 활성화)에 액세스하고 추출하는 것이 포함됩니다. 그들의 병원 체류의.
|
|
|
간섭
개입 단계에서 환자가 동의하면 BAS 기술은 비식별화된 바이탈 사인 데이터를 CLU, 전용 클라우드 서버, 이후 연구에서 발행한 Lumori®로 전달하여 필립스 바이탈 사인 모니터에서 생성된 바이탈 사인을 수동적으로 모니터링합니다. 환자 치료를 주로 담당하는 RN의 휴대전화.
대상 단위로 환자가 입원하거나 이송되는 경우 연구에 참여하기 위해 접근하는 것이 배제되지 않습니다.
|
BAS에는 세 가지 하위 시스템이 있습니다. 데이터 집계, 데이터 분석 및 데이터 프레젠테이션.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
부작용
기간: 입원 중 평균 7일
|
감염 또는 패혈증의 발생, 심장 또는 호흡 부전 및 사망
|
입원 중 평균 7일
|
|
입원 기간
기간: 입원 중 평균 7일
|
피험자가 병원에 입원한 기간
|
입원 중 평균 7일
|
|
ICU로 이송
기간: 입원 중 평균 7일
|
중환자실로 환자 이송
|
입원 중 평균 7일
|
|
RRT 활성화
기간: 입원 중 평균 7일
|
환자 진료 지원을 위한 병원 신속대응팀 활성화
|
입원 중 평균 7일
|
공동 작업자 및 조사자
스폰서
수사관
- 수석 연구원: Robert Topp, PhD, College of Nursing
간행물 및 유용한 링크
일반 간행물
- van Galen LS, Dijkstra CC, Ludikhuize J, Kramer MH, Nanayakkara PW. A Protocolised Once a Day Modified Early Warning Score (MEWS) Measurement Is an Appropriate Screening Tool for Major Adverse Events in a General Hospital Population. PLoS One. 2016 Aug 5;11(8):e0160811. doi: 10.1371/journal.pone.0160811. eCollection 2016.
- Unbeck M, Schildmeijer K, Henriksson P, Jurgensen U, Muren O, Nilsson L, Pukk Harenstam K. Is detection of adverse events affected by record review methodology? an evaluation of the "Harvard Medical Practice Study" method and the "Global Trigger Tool". Patient Saf Surg. 2013 Apr 15;7(1):10. doi: 10.1186/1754-9493-7-10.
- Van Den Bos J, Rustagi K, Gray T, Halford M, Ziemkiewicz E, Shreve J. The $17.1 billion problem: the annual cost of measurable medical errors. Health Aff (Millwood). 2011 Apr;30(4):596-603. doi: 10.1377/hlthaff.2011.0084.
- Lapointe-Shaw L, Bell CM. Measuring the cost of adverse events in hospital. CMAJ. 2019 Aug 12;191(32):E877-E878. doi: 10.1503/cmaj.190912. No abstract available. Erratum In: CMAJ. 2019 Dec 2;191(48):E1340.
- Islam MM, Nasrin T, Walther BA, Wu CC, Yang HC, Li YC. Prediction of sepsis patients using machine learning approach: A meta-analysis. Comput Methods Programs Biomed. 2019 Mar;170:1-9. doi: 10.1016/j.cmpb.2018.12.027. Epub 2018 Dec 26.
- Kim J, Chae M, Chang HJ, Kim YA, Park E. Predicting Cardiac Arrest and Respiratory Failure Using Feasible Artificial Intelligence with Simple Trajectories of Patient Data. J Clin Med. 2019 Aug 29;8(9):1336. doi: 10.3390/jcm8091336.
- Jayasundera R, Neilly M, Smith TO, Myint PK. Are Early Warning Scores Useful Predictors for Mortality and Morbidity in Hospitalised Acutely Unwell Older Patients? A Systematic Review. J Clin Med. 2018 Sep 28;7(10):309. doi: 10.3390/jcm7100309.
- Kause J, Smith G, Prytherch D, Parr M, Flabouris A, Hillman K; Intensive Care Society (UK); Australian and New Zealand Intensive Care Society Clinical Trials Group. A comparison of antecedents to cardiac arrests, deaths and emergency intensive care admissions in Australia and New Zealand, and the United Kingdom--the ACADEMIA study. Resuscitation. 2004 Sep;62(3):275-82. doi: 10.1016/j.resuscitation.2004.05.016.
- Downey CL, Tahir W, Randell R, Brown JM, Jayne DG. Strengths and limitations of early warning scores: A systematic review and narrative synthesis. Int J Nurs Stud. 2017 Nov;76:106-119. doi: 10.1016/j.ijnurstu.2017.09.003. Epub 2017 Sep 13.
- Ludikhuize J, Smorenburg SM, de Rooij SE, de Jonge E. Identification of deteriorating patients on general wards; measurement of vital parameters and potential effectiveness of the Modified Early Warning Score. J Crit Care. 2012 Aug;27(4):424.e7-13. doi: 10.1016/j.jcrc.2012.01.003. Epub 2012 Feb 14.
- Kim WY, Shin YJ, Lee JM, Huh JW, Koh Y, Lim CM, Hong SB. Modified Early Warning Score Changes Prior to Cardiac Arrest in General Wards. PLoS One. 2015 Jun 22;10(6):e0130523. doi: 10.1371/journal.pone.0130523. eCollection 2015.
- Wang AY, Fang CC, Chen SC, Tsai SH, Kao WF. Periarrest Modified Early Warning Score (MEWS) predicts the outcome of in-hospital cardiac arrest. J Formos Med Assoc. 2016 Feb;115(2):76-82. doi: 10.1016/j.jfma.2015.10.016. Epub 2015 Dec 24.
- Brekke IJ, Puntervoll LH, Pedersen PB, Kellett J, Brabrand M. The value of vital sign trends in predicting and monitoring clinical deterioration: A systematic review. PLoS One. 2019 Jan 15;14(1):e0210875. doi: 10.1371/journal.pone.0210875. eCollection 2019.
- Smith GB, Recio-Saucedo A, Griffiths P. The measurement frequency and completeness of vital signs in general hospital wards: An evidence free zone? Int J Nurs Stud. 2017 Sep;74:A1-A4. doi: 10.1016/j.ijnurstu.2017.07.001. Epub 2017 Jul 4. No abstract available.
- Yoder JC, Yuen TC, Churpek MM, Arora VM, Edelson DP. A prospective study of nighttime vital sign monitoring frequency and risk of clinical deterioration. JAMA Intern Med. 2013 Sep 9;173(16):1554-5. doi: 10.1001/jamainternmed.2013.7791. No abstract available.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .
병원 획득 조건에 대한 임상 시험
-
Weill Medical College of Cornell University완전한
-
Nordsjaellands HospitalHvidovre University Hospital; Nordstar Medical아직 모집하지 않음
-
Gümüşhane UniversıtyKaradeniz Technical University완전한Kelkit District State Hospital Home Health Unit에 등록 | 가정 간호 환자칠면조
-
Kaohsiung Medical University아직 모집하지 않음폐 선암종 | 폐암(진단) | Condition/Disease
비트 분석 시스템(BAS)에 대한 임상 시험
-
Calyxo, Inc.완전한