Risicoscore Intensive Care (ICURS)

Een scoresysteem bestaat meestal uit twee delen: een score (een getal dat de ernst van de ziekte weergeeft) en een waarschijnlijkheidsmodel (vergelijking die de waarschijnlijkheid van een gebeurtenis aangeeft, bijvoorbeeld het overlijden van de patiënt in het ziekenhuis). Scoresystemen worden al tientallen jaren gebruikt in de intensive care-geneeskunde en kunnen helpen om de effectiviteit van de behandeling te beoordelen of vergelijkbare patiënten te identificeren voor studiedoeleinden. Scoresystemen die bijvoorbeeld in de intensive care geneeskunde worden gebruikt

• Acute fysiologie, leeftijd, chronische gezondheidsevaluatie II (APACHE II)
• Vereenvoudigde acute fysiologiescore II (SAPS II)
• Multiple Organ Dysfunction Score (MODS)
• Sequentiële beoordeling van orgaanfalen (SOFA)
• Logistiek Orgaan Dysfunctie Systeem (LODS)
• MPM II-Toelating (Sterftekansmodellen (MPM II)
• Orgaandisfunctie en infectiescore (ODIN)
• Driedaagse herkalibratie van ICU-uitkomsten (TRIOS)
• Glasgow-comascore (GCS)
• Discharge Readiness Score (DRS) Bovenstaande scoresystemen worden al regelmatig verzameld op de afdelingen van het betreffende ziekenhuis. In een recente studie van Badawi et al. er zou kunnen worden aangetoond dat scoresystemen nauwkeurigere voorspellingen mogelijk maken wanneer ze continu worden berekend. Door de onderzochte patiëntencollectieven zijn deze resultaten echter slechts in beperkte mate overdraagbaar naar andere patiëntengroepen. Verder zijn alleen de scoresystemen APACHE, SOFA en DRS geanalyseerd.

Daarom zullen in de huidige studie alle bovenstaande scoresystemen continu (een keer per minuut) worden berekend met behulp van routinegegevens uit de digitale patiëntendossiers en worden geoptimaliseerd door machine learning en methoden voor tijdreeksanalyse toe te passen.

Op de anesthesiologisch beheerde intensive care-afdelingen van het betreffende ziekenhuis bestaat geen campusbrede standaard met betrekking tot alarmbeheer. Dienovereenkomstig schatten we de mate van alarmmoeheid (alarmen negeren vanwege veel valse alarmen) in als zeer hoog. Om het alarmbeheer te optimaliseren, worden alarmen van de patiëntbewakingsapparaten achteraf geëvalueerd en gecombineerd met de bovengenoemde gegevens om bijvoorbeeld te bepalen of er vaker alarmen te verwachten zijn voor bepaalde soorten ziekten (bijv. sepsis), of scores (bijv. hoge APACHE-score) en hoe de instelling van de alarmgrens kan worden geoptimaliseerd.