Voorspellende analyses en computervisualisatie verbeteren de patiëntveiligheid om vallen te voorkomen

Om het aantal valpartijen in de ziekenhuisomgeving te verminderen, en voortbouwend op eerder valonderzoek in de verpleegkunde, evenals op het MFS en het Fall TIPS-programma, heeft MGH een beslissingsondersteunend algoritme ontwikkeld om veranderingen in klinische factoren te identificeren zodra deze zich voordoen, om verpleegkundigen te waarschuwen voor de noodzaak om zich aan te passen. Valpreventie-interventies. MGH Nursing heeft vervolgens, via een samenwerking met RGI Informatics, het MGH-algoritme ingezet op één klinische algemene zorgafdeling. De RGI-software maakt gebruik van het MGH-algoritme dat EPD-gegevens van Epic live streamt om patiënten te identificeren bij wie het risico op vallen mogelijk is toegenomen en om verpleegkundigen klinische beslissingsondersteuning te bieden via een waarschuwing op hun door het ziekenhuis uitgegeven mobiele telefoons. Voorlopige resultaten toonden de haalbaarheid en een statistisch significante vermindering (p <0,01) aan van het aantal valpartijen met letsel over een periode van 11 maanden.

Het wederzijds uitsluitende voorbereidende werk op een tweede algemene zorgafdeling voor intramurale patiënten, waarbij gebruik werd gemaakt van een geautomatiseerd patiëntvisualisatiesysteem, zorgde ook voor een vermindering van het aantal valpartijen. Gecombineerd gebruik van de twee technologieën kan een synergetisch effect opleveren, waardoor de incidentie van vallen in de acute zorgomgeving verder wordt verminderd. Tot op heden is er geen bewijs dat is afgeleid van de evaluatie van patiëntresultaten door het gelijktijdig testen van de twee technologieën. Het doel van deze studie is dus om de impact van drie verschillende valpreventie-interventies (alleen RGI/MGH-algoritme, alleen Inspiren en gecombineerd RGI/MGH-algoritme en Inspiren) te bepalen op patiënten met een risico op vallen en vallen met letsel bij drie volwassen algemene patiënten. zorgeenheden in een groot academisch medisch centrum.

Onze voorgestelde oplossing is de enige bekende strategie die fysiologische en fysieke gegevens uit meerdere bronnen extraheert en synthetiseert, om een ​​dimensionaal beeld te creëren van het veiligheidsprofiel van een patiënt met betrekking tot valrisico. Tijdige waarschuwingen informeren verpleegkundigen over het valrisico van de patiënt, de reden voor het risico en hun klinische beslissingen met betrekking tot valpreventiestrategieën. Dit initiële voorstel richt zich op patiënten die een risico lopen op vallen en we zijn ervan overtuigd dat deze innovatieve aanpak kan worden aangepast om andere kritieke veiligheidsproblemen aan te pakken, bijvoorbeeld decubitus en kathetergerelateerde urineweginfecties. Hieronder vindt u gedetailleerde informatie over RGI Analytics en Inspiren.

Methodologie: Er zal een observationeel cohortonderzoek met gemengde methoden worden uitgevoerd om de impact en effectiviteit van de gebruikelijke zorg en drie verschillende valpreventiestrategieën te bepalen die de standaardzorg op drie intramurale afdelingen van MGH over een jaar overschrijden. Unit 1 zal alleen de streaming-analyses en het MGH-algoritme van medewerkers gebruiken, Unit 2 zal alleen de AUGI-computervisualisatie van Inspiren gebruiken en Unit 3 zal het gecombineerde streaming-analyse/MGH-algoritme en het AUGI-apparaat van Inspiren gebruiken. Unit 4, de controle-eenheid, zal dienen als interne vergelijkingsgroep van dezelfde instelling. Naast de onderzoeksinterventies zullen alle vier de afdelingen doorgaan met het handhaven van de gebruikelijke, op bewijs gebaseerde MGH-praktijk en zorgstandaarden voor valpreventie. De demografische gegevens van patiënten, eenheden en verpleegkundigen die momenteel voor het onderzoek zijn verzameld, kunnen worden geraadpleegd vanuit of berekend op basis van bestaande bronnen. Bronnen zijn onder meer de ADT-, PCS-financiële, scherpte- en kwaliteitsgegevens die zijn opgeslagen in het PCS Datawarehouse. De demografische gegevens van patiënten in het geheel omvatten leeftijd, geslacht en ras. Demografische gegevens van verpleegkundigen omvatten het aantal voltijdse equivalenten, het aantal jaren ervaring als verpleegkundige, het aantal jaren ervaring bij MGH en het hoogste opleidingsniveau. Gegevens over de afdeling omvatten tellingen van patiëntopnames, patiëntdagen, verblijfsduur, verpleegkundige scherpte, patiënttype op geslacht, leeftijd, ras, etniciteit, aantal gevallen van afdelingsuitval en afdelingsdalingen met verwondingen, en indicatoren voor de personeelsbezetting van verpleegkundigen. De perceptie van verpleegkundigen over de drie interventie-eenheden zal in samenhang met de interventie worden gemeten met behulp van realtime feedback van waarschuwingen op mobiele telefoons (nuttig/niet nuttig), feedback van verpleegkundigen en driemaandelijkse enquêtes. De Fall Prevention Efficiency Scale (Dykes, et al., 2021) is een peer-reviewed instrument met 13 items dat zich richt op vier belangrijke gebieden: bespaart tijd, verspilt geen tijd, is de tijd waard en is nuttig bij het voorkomen van vallen. De enquêtevragen zullen worden aangepast om aan de behoeften van dit onderzoek te voldoen en zullen worden beheerd via REDCap, een beveiligde webapplicatie van Harvard Catalyst voor het beheren van online enquêtetools.

Onderzoeksvragen

1. Is er in de acute zorg, in intramurale ziekenhuizen, een verschil in het aantal gevallen van vallen en letsel veroorzakende vallen, waarbij drie verschillende methoden worden vergeleken om verpleegkundigen op het zorgpunt te waarschuwen voor een verandering in het risico van vallen bij een patiënt, terwijl alle andere huidige normen worden gehandhaafd? van zorg voor valpreventie en het toevoegen van deze nieuwe standaarden tijdens het onderzoek: (1) gebruik van streaming analytics en een valrisico-algoritme dat verpleegkundigen waarschuwt voor een verandering in het valrisico, (2) computervisualisatie en kunstmatige intelligentie-interpretatie van de bewegingen van de patiënt en ( 3) een combinatie van beide technologieën?

2. Wat zijn de percepties van verpleegkundigen met betrekking tot:

   1. De impact van drie onderzoekstechnologieën die zijn geïmplementeerd om te helpen bij het identificeren van een verhoogd valrisico.
   2. De vermindering van de lasten van verpleegkundigen bij de beoordeling van het valrisico en de aanbeveling voor aanvullende interventies om vallen te voorkomen.

Onderzoeksdoelen:

1. Vergelijk de impact van de drie valpreventie-innovaties, binnen en tussen eenheden en op één controle-eenheid (alle vier eenheden gebruiken dezelfde gebruikelijke zorgstandaard) op vallen en vallen met letsel.
2. Bepaal de waargenomen effectiviteit van innovaties op het gebied van valpreventie en waarschuwingen op het gebied van klinische beslissingsondersteuning en de lasten voor verpleegkundigen, met behulp van enquêtes onder verpleegkundigen, reacties op waarschuwingen en focusgroepen.