Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Kunstmatige intelligentie / machinaal leren Modellering op tijd tot palliatieve zorgbeoordeling in een intramurale ziekenhuispopulatie

29 december 2020 bijgewerkt door: Jon Ebbert, Mayo Clinic

De impact van kunstmatige intelligentie/machine learning (AI/ML) op de tijd tot beoordeling van palliatieve zorg in een intramurale ziekenhuispopulatie

Onderzoekers testen of machine learning-voorspellingsmodellen die in een zorgmodel zijn geïntegreerd, deelnemers nauwkeurig kunnen identificeren die baat kunnen hebben bij een uitgebreide beoordeling door een specialist in palliatieve zorg, en de tijd verkorten om een ​​palliatieve zorgconsult te krijgen in een intramurale setting.

Studie Overzicht

Toestand

Voltooid

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

De noodzaak van tijdige palliatieve zorg is cruciaal. Verouderende patiëntenpopulaties worden complexer en hebben vaak zorg nodig van meerdere specialismen. Er is een groeiende discrepantie tussen klinische zorg en de voorkeuren van de patiënt, met name met betrekking tot diensten aan het einde van het leven. Uit onderzoek is gebleken dat de meeste mensen het liefst thuis sterven, ondanks dat de meerderheid buitenshuis sterft (verpleeghuis of ziekenhuis). Gezien het huidige zorgmodel en de stimuleringsmaatregelen wordt palliatieve zorg beschouwd als de laatste redmiddel nadat alle pogingen tot genezing zijn uitgeput. Deze vertraging kan leiden tot suboptimaal symptoombeheer voor pijn en een lagere kwaliteit van leven. Naarmate de vraag naar palliatieve zorg toeneemt, zijn er beleidsinitiatieven en hulpmiddelen voor verwijzingstriage nodig die leiden tot hoogwaardige palliatieve zorgdiensten.

In 2018 ontwikkelde de Mayo Clinic een volledig geïntegreerde informatietechnologie (IT)-oplossing die gericht is op de identificatie van patiënten die baat kunnen hebben bij een vroegtijdige beoordeling van palliatieve zorg. De tool, bekend als Control Tower, verzamelt ongelijksoortige gegevensbronnen die zijn gecentreerd rond een machine learning-algoritme dat de behoefte aan palliatieve zorg in het ziekenhuis voorspelt. Dit algoritme is vanaf december 2018 in productie genomen in een stille modus. Het algoritme is samen met andere belangrijke patiëntindicatoren geïntegreerd in een grafische gebruikersinterface (GUI) waarmee een menselijke operator de voorspellingen van het algoritme kan bekijken en vervolgens de beoordeling van de operator kan vastleggen. De tool zal naar verwachting de risicobeoordeling verbeteren en een zorgmodel creëren waarin palliatieve zorg proactief en effectief kan screenen op de behoeften van de patiënt. Verwachte voordelen van de aanpak zijn onder meer verbeterde symptoomcontrole en patiënttevredenheid, evenals een meetbare impact op ziekenhuissterfte.

Het algemene doel van deze studie is om de effectiviteit en implementatie van het Control Tower-algoritme voor palliatieve zorg in de ziekenhuispraktijk te beoordelen door een gerandomiseerde trial met getrapte wigclusters op te zetten in 16 intramurale afdelingen. Door een algoritme te creëren dat automatisch de gezondheidsstatus van de patiënt screent en bewaakt tijdens intramurale ziekenhuisopname, veronderstellen de onderzoekers dat deelnemers de benodigde palliatieve zorg eerder zullen krijgen dan bij de gebruikelijke zorg. Naast het testen van klinische effectiviteit zullen onderzoeksleden ook gegevens verzamelen voor procesmaatregelen om het algoritme en de zorgprestaties te beoordelen na vertaling van het voorspellingsalgoritme van een onderzoeksdomein naar een praktijkomgeving.

Studietype

Ingrijpend

Inschrijving (Werkelijk)

2231

Fase

  • Niet toepasbaar

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

    • Minnesota
      • Rochester, Minnesota, Verenigde Staten, 55906
        • Mayo Clinic

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

18 jaar en ouder (Volwassen, Oudere volwassene)

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Beschrijving

Inclusiecriteria:

  • Opgenomen in Mayo Clinic St. Mary's Hospital en Methodist Hospital van 19 augustus 2019 - 19 augustus 2020.
  • Eenmaal per dag selecteert de CT-operator van maandag tot en met vrijdag 12 patiënten uit alle verpleegafdelingen die deelnemen aan de studie (ongeacht of ze nu in de interventiegroep zitten of niet) met een palliatieve score van minstens 7 (van de 100), d.w.z. degenen die een hoog risico lopen en rood worden weergegeven in de CT GUI (tenzij ze al worden gezien door palliatieve zorg).
  • De CT-operator kiest de geselecteerde patiënten door de patiënten in gesorteerde volgorde te bekijken, beginnend met de hoogste score en verder in de lijst, waarbij elke patiënt wordt beoordeeld op uitsluitingscriteria.
  • Zodra de CT-operator 12 geschikte patiënten heeft geïdentificeerd of zodra ze het einde van de hoogrisicopatiënten hebben bereikt (score van 7 of hoger), stoppen ze.

Uitsluitingscriteria:

  • We zullen alle patiënten die geen onderzoeksautorisatie hebben verstrekt, uitsluiten om hun medische dossiers te bekijken voor algemene onderzoeksstudies in overeenstemming met Minnesota Statute 144.335.
  • We sluiten patiënten onder de 18 jaar uit.
  • We sluiten patiënten uit die eerder door palliatieve zorg zijn gezien tijdens het indexziekenhuisbezoek (d.w.z. groen pictogram in CT-gebruikersinterface, ongeacht de score)
  • We zullen patiënten uitsluiten die geen actieve ontmoeting meer hebben (patiënten die zijn overleden of patiënten die zijn overgeplaatst naar een andere faciliteit zijn uitgesloten) op het moment van de beoordeling
  • We sluiten patiënten uit die momenteel zijn ingeschreven bij de Hospice-service in Mayo
  • We zullen patiënten uitsluiten die momenteel zijn ingeschreven in het Palliative Homebound-programma (een alternatief zorgmodel bij Mayo)
  • Patiënten die de komende 24 uur op het punt staan ​​te worden ontslagen, sluiten we uit door middel van een nota

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

  • Primair doel: Onderzoek naar gezondheidsdiensten
  • Toewijzing: Gerandomiseerd
  • Interventioneel model: Crossover-opdracht
  • Masker: Geen (open label)

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Experimenteel: Controle Toren Interventie
Voor deelnemers aan de interventiearm zullen de resultaten van het voorspellingsmodel worden gepresenteerd via een GUI-interface, hierna bekend als de Control Tower. Deelnemers krijgen scores van Control Tower (0-100; hogere score geeft verhoogde behoefte aan) voor palliatieve zorg en worden vervolgens gerangschikt van hoog naar laag. Rood (7 of hoger) wordt als een hoog risico beschouwd. De interventie omvat een Control Tower-operator die zal communiceren met de consultatiedienst voor intramurale palliatieve zorg. De operator bewaakt de verkeerstoren tijdens de normale kantooruren op doordeweekse dagen en selecteert dagelijks een cohort van deelnemers aan de interventie-eenheden met de hoogste behoefte aan palliatieve zorg. De definitieve deelnemerslijst wordt vervolgens naar de palliatieve zorg gestuurd. Het palliatieve zorgteam dat aanwezig is, zal ook de behoefte van elke deelnemer beoordelen, en de deelnemers van wie zij het erover eens zijn dat ze er baat bij zouden kunnen hebben, zullen het aanwezige klinische team benaderen om een ​​verwijzing voor palliatieve zorg voor te stellen.
Een werkstation en softwaretool die medische gegevens uit Mayo's datamart en elektronisch medisch dossier haalt en verwerkt via een voorspellingsmodel dat bepaalt of een patiënt geschikt is voor een palliatieve zorgconsult.
Geen tussenkomst: Zorgstandaard
Voor deelnemers die niet in een interventieperiode zitten, krijgen ze de zorgstandaard die past bij hun klinische eenheid. Dit is haalbaar gezien het feit dat dit een pragmatische klinische studie is waarbij de onderzoekers gemakkelijk de communicatie tussen de controletorenoperator en het palliatieve zorgteam kunnen controleren om besmetting tussen clusters te voorkomen. Naast de gebruikelijke bron van zorgcontrole hebben de onderzoekers opzettelijk het voorspellingsmodel en de Control Tower-beoordeling gekalibreerd om overeen te komen met de gemiddelde capaciteit van de palliatieve zorgdienst, wetende dat het team nog steeds palliatieve zorgconsulten zal ontvangen via het traditionele pad, d.w.z. het traditionele pad, d.w.z. de aanwezig zorgteam dat palliatieve zorg rechtstreeks raadpleegt.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Tijdig signaleren van behoefte aan palliatieve zorg
Tijdsspanne: 12 maanden
Gemeten als tijd in uren tot het elektronische dossier van consultatie door het palliatieve zorgteam in de intramurale setting.
12 maanden

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Het aantal intramurale palliatieve zorgconsulten
Tijdsspanne: 12 maanden
Gemeten aan de hand van het aantal consulten voor palliatieve zorg in de betrokken intramurale afdelingen
12 maanden
Tijdig signaleren van behoefte aan palliatieve zorg per unit
Tijdsspanne: 12 maanden
Gemeten als tijd in uren tot het elektronische dossier van consultatie door het palliatieve zorgteam in de intramurale setting voor elk van de 16 verpleegafdelingen.
12 maanden
Overgangstijd naar een door een hospice aangewezen bed
Tijdsspanne: 12 maanden
Voor alle patiënten met een Medicare-verzekering de tijd totdat ze na opname worden overgebracht naar een door het hospice aangewezen bed.
12 maanden
Tijd voor de aanwijzing van een hospice
Tijdsspanne: 12 maanden
Gemeten als tijd in uren tot het elektronische dossier van consult door het hospice-zorgteam in de intramurale setting.
12 maanden
Bezoek aan de Spoedeisende Hulp binnen 30 dagen na ontslag
Tijdsspanne: 12 maanden
Gemeten aan de hand van het aantal studiedeelnemers dat na ontslag uit de klinische setting binnen 30 dagen opnieuw wordt opgenomen op de afdeling spoedeisende hulp van een Mayo Clinic-faciliteit.
12 maanden
Ziekenhuisopname of heropname binnen 30 dagen na ontslag
Tijdsspanne: 12 maanden
Gemeten aan de hand van het aantal studiedeelnemers dat na ontslag uit de intramurale setting binnen 30 dagen opnieuw wordt opgenomen in een intramurale afdeling van een Mayo Clinic-faciliteit (met uitzondering van overplaatsingen en geplande heropnames).
12 maanden
IC-overdrachten
Tijdsspanne: 12 maanden
Gemeten aan de hand van het aantal studiedeelnemers dat tijdens hun klinische verblijf is overgeplaatst naar een intensive care-afdeling.
12 maanden
Verhouding tussen sterfgevallen in hospices en sterfgevallen buiten hospices
Tijdsspanne: 12 maanden
Gemeten aan de hand van het aantal sterfgevallen van studiedeelnemers in hospice-bedden door het aantal sterfgevallen in niet-hospice-bedden.
12 maanden
Snelheid van ontslag naar extern hospice
Tijdsspanne: 12 maanden
Gemeten aan de hand van het aantal deelnemers van wie het elektronische patiëntendossier aangeeft dat ze naar een extern hospice gaan.
12 maanden
Intramurale verblijfsduur
Tijdsspanne: 12 maanden
Gemeten aan de hand van het verschil tussen opname op de eerste afdeling en ontslag uit het ziekenhuis voor alle studiedeelnemers.
12 maanden

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

19 augustus 2019

Primaire voltooiing (Werkelijk)

18 november 2020

Studie voltooiing (Werkelijk)

20 december 2020

Studieregistratiedata

Eerst ingediend

3 juni 2019

Eerst ingediend dat voldeed aan de QC-criteria

3 juni 2019

Eerst geplaatst (Werkelijk)

6 juni 2019

Updates van studierecords

Laatste update geplaatst (Werkelijk)

30 december 2020

Laatste update ingediend die voldeed aan QC-criteria

29 december 2020

Laatst geverifieerd

1 december 2020

Meer informatie

Termen gerelateerd aan deze studie

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren