병원 획득 정맥 혈전 색전증을 줄이기위한 AI 중심 임상 결정 지원 (VTE-AI 무작위 시험) (VTE-AI RCT)

배경 {6A} 병원 획득 된 정맥 혈전 색전증 (HA-VTE)은 미국의 입원 환자의 사망 원인으로 남아 있습니다. 장애 조정 수명의 두 번째 주요 원인 인 HA-VTE는 성인 및 소아 환자에서 상당한 이환율과 사망률을 유발합니다 .3 3 명 중 대략 1 명이 VTE에 이어 장기적인 합병증 (즉, 전역학 후 증후군)을 경험합니다. HA-VTE 감소는 주요 진단 과제를 제시합니다.

HA-VTE의 수많은 출판 된 예후 모델에도 불구하고 단일 모델은 나머지를 능가하지 않습니다. 그리고 HA-VTE는 그룹에 불리하게 영향을 미치며, 이는 책임있는 알고리즘 모방 시스템의 맥락에서 배치되지 않으면 모델이 의료 불균형을 반영하거나 악화시킬 수 있음을 의미합니다. HA-VTE 예방을위한 확장 가능한 AI를 효과적인 임상 결정 지원 (CDS)에 통합하면 HA-VTE 발생률이 효과적으로 감소하면서 고가의 임상 실습에서 AI의 잠재력을 실현할 수 있습니다. 최근 Vanderbilt 임상의와 생물 역사 학자 팀은 입학시 HA-VTE의 위험을 예측하기 위해 "VTE-AI"라는 회귀 위험 점수를 검증했습니다 .5 도시 농촌 분할은 오랫동안 이환율과 사망률에 의료 불균형을 일으켰습니다 .6 이러한 차이는 이런 점에서 발생하는 것이 아니라 "사회 경제적 불이익, 민족성, 서비스 가용성 저하, 더 높은 수준의 개인 위험 및보다 위험한 환경, 직업 및 운송 조건의 영향으로 인해 발생할 수 있습니다."7. AI 구현은 두 배포 설정의 차이에주의를 기울이지 않고 다르지 않습니다. 성인 및 소아 환자와 함께 도시 및 농촌 환경에서 AI의 여러 동시 구현을 연구하면 AI 중심 CD에 대한 전례없는 통찰력이 생길 것입니다.

이론적 및 구체적인 목표 {6B}이 연구는 HA-VTE의 위험을 예측하고 안내 방지를 예측하기위한 새로운 AI 접근법을 엄격하게 연구 할 것입니다. 이 시험은 다양한 부지와 인구에 걸쳐 HA-VTE를 방지하기 위해 새로운 AI-CD의 실용적인 사용에 대한 강력한 증거를 만들어 낼 것입니다.

The goal of this study is to evaluate the effectiveness of AI-driven CDS to reduce the incidence of HA-VTE across the Vanderbilt Health System including urban and rural sites: Vanderbilt Adult Hospital (VUH) and the Vanderbilt Regional Health System (VRHS) including Vanderbilt Tullahoma Harton Hospital (VTHH), Vanderbilt Bedford County Hospital (VBCH), and Vanderbilt Wilson County Hospital (VWCH).

우리는 검증 된 위험 점수, VTE-AI, 5를 구현하여 임상의 입력을 계산하려면 CDS가 DVT 예방의 재검토를 제안하기 위해 1) 정렬하지 않고 2) 약리학 적 예방에 금기 사항이 없다. 이 CD "Nudge"는 입원 명령이 병원 입원에 대해 제출 된 후 및 입원 환자 만남의 다음 날에 제출 된 후에 발생합니다.

현재 치료 표준은 Padua Risk Tool8의 수동 계산 및 예방 옵션 선택 또는 임시 또는 영구 예외의 문서를 요구하는 주문 세트입니다. 우리는 도시/농촌 차원에서 HA-VTE 발생률을 줄이기 위해 설정된 표준 DVT/VTE 예방 순서에 대한 VTE-AI- 구동 임상 결정 지원 (CDS)의 효과를 평가할 것입니다. 우리는 적격 만남의 절반을 CD에 무작위로 무작위로, 치료 표준 치료의 절반을 무작위화하는 실용적인 RCT를 수행 할 것입니다.

목표 {7} 1 차 목표 우리는 CD가 HA-VTE의 발병률을 줄일 것입니다. I) VTE-AI 및 II에 의해 높은 위험에서 예측 된 HA-VTE의 발병률을 줄일 것입니다.) 기준선 4.3% 발병률 (562/12,946 이벤트)에서 2.2%의 발병에 이르기까지 약리학 적 예방의 증거없이 2,236 개의 장난이 필요합니다. 샘플 크기 계산은 각 팔에서 1,118 명 이상의 환자 만남이 5% 유형 I 오류 확률로 80% 전력을 달성하기 위해 필요하다는 것을 나타냅니다. 2023-2024 년의 역사적 데이터를 사용 하여이 기준을 충족하는 한 달에 150-230만의 만남을 볼 수 있습니다. 따라서 우리는 필요한 샘플 크기를 충족시키기 위해 1 년 동안 RCT를 수행 할 것입니다.

이차 목표 우리는 VTE-AI CD를 가설을 세우는 것은 중재와 비 중재 무기 사이의 출혈 위험, 재 입원률 또는 체류 기간 (LOS)을 증가시키지 않습니다.

시험 설계 {8} 실행 수준에서 무작위 화를 가진 2-Arm RCT.