Evaluatie van de implementatie van eCART bij kinderen

Pediatrische eCART maakt gebruik van direct beschikbare EPD-gegevens en kwantificeert snel de ernst van de ziekte, waardoor de waarschijnlijkheid van het begin van een kritieke ziekte wordt voorspeld. Momenteel is er geen consistent beschikbaar systeem dat voortdurend het risico op een kritieke ziekte bijhoudt bij kinderen die zijn opgenomen in UW Health. Daarom beschikken artsen of zorgverleners van UW Health niet over een betrouwbaar mechanisme om patiënten in risicostratificatie te brengen voor effectieve klinische besluitvorming.

Dit voorstel maakt gebruik van de AgileMD-engine voor klinische beslissingsondersteuning en een machine learning-analyse die is ontwikkeld in een dataset van meer dan 30.000 patiënten. Pediatrische eCART is expliciet ontworpen om de aandacht te vestigen op patiënten met een verhoogd risico op achteruitgang en om het patiëntenbeheer te optimaliseren, inclusief de timing van en de behoefte aan zorg op ICU-niveau.

Voorlopige onderzoeken geven aan dat de implementatie van pediatrische eCART aan de Universiteit van Chicago tot betere resultaten heeft geleid. Soortgelijke verbeteringen bij kinderen die zijn opgenomen in UW Health zullen leiden tot een afname van de morbiditeit en mortaliteit onder onze pediatrische populatie.

Verder blijft er een aanzienlijke kloof bestaan ​​in het begrip van de acceptatie door verpleegkundigen van datagestuurde CDS-instrumenten. Verpleegkundigen vormen het grootste personeelsbestand van artsen in het gezondheidszorgsysteem en spelen een primaire rol bij het opsporen van klinische achteruitgang, aangezien zij de artsen zijn die de meeste tijd besteden aan het observeren en beoordelen van patiënten; De aanvaardbaarheid van AI-gestuurde CDS is echter niet gemeten om de acceptatie door verpleegkundigen van deze opkomende instrumenten te beoordelen. Aanvaardbaarheid is essentieel om langdurig gebruik te vergroten en om suboptimale uitkomsten zoals alerte vermoeidheid of verhoogde cognitieve belasting te verminderen, zodat deze hulpmiddelen uiteindelijk het welzijn van verpleegkundigen kunnen bemiddelen. In één onderzoek werd de perceptie van verpleegkundigen over het nut van een vroegtijdig waarschuwingssysteem voor sepsis beoordeeld. Hieruit bleek dat minder dan de helft van de verpleegkundigen de waarschuwingen als nuttig beschouwde en dat slechts een derde van de verpleegkundigen meldde dat de waarschuwingen van invloed waren op de patiëntenzorg. Het begrijpen van de acceptatie door verpleegkundigen zal de ontwerpstrategieën van AgileMD ondersteunen om de acceptatie en het gebruik te bevorderen, zodat voorspellende hulpmiddelen kunnen worden ingezet om de cognitieve belasting van verpleegkundigen te verbeteren. Uiteindelijk zal de studie pediatrische eCART evalueren bij twee pediatrische groepen: (1) gescreende pediatrische patiënten; (2) eindgebruikers van kinderverpleegkundigen en artsen.

Studieontwerp: Dit is een pre- en post-interventiestudie van een machine learning-algoritme dat in het elektronische patiëntendossier is geïntegreerd als hulpmiddel voor klinische besluitvorming. De ‘pre’-deelnemers zijn kinderen in het ziekenhuis (jonger dan 18 jaar oud) die zijn opgenomen in UW Health tussen 1 januari 2022 en de datum van de implementatie van pediatrische eCART in 2025. Pediatrische eCART-scores zullen retrospectief worden berekend voor de "pre"-deelnemers door de laboratoria van een patiënt en de observatie van vitale functies in de pediatrische eCART-tool in te voeren. De "post"-deelnemers zijn kinderen in het ziekenhuis (jonger dan 18 jaar oud) die binnen twee jaar na de implementatie van pediatrische eCART (naar verwachting 2025-2027) zullen worden opgenomen in UW Health. Pediatrische eCART-scores worden voor deze patiënten in realtime berekend.