Effekten av sanntidsanalyse på uønskede hendelser blant sykehusinnlagte pasienter

Uønskede hendelser (AE) blant sykehusinnlagte pasienter er definert som "Utilsiktede skader eller komplikasjoner som resulterer i uførhet ved utskrivelse, død eller forlenget sykehusopphold og er forårsaket av andre hendelser enn pasientens underliggende sykdom." Årlig dør omtrent 1,1 % av alle sykehusinnleggelser, eller 400 000 pasienter, på grunn av AE, mens de koster den amerikanske økonomien omtrent 17,1 milliarder dollar. Canadian Adverse Events Study rapporterte AEer blant 7,5 % av sykehusinnleggelsene, med 37 % av disse hendelsene ansett som mulig å forhindre. Vanlige bivirkninger, inkludert infeksjoner og sepsis, hjerte- og respirasjonssvikt og dødsfall er rapportert som følge av en endring i pasientens vitale tegn som kan gjenkjennes opptil 48 timer før bivirkningen ble diagnostisert. I mange tilfeller har subtile endringer i en pasients vitale tegn blitt anerkjent retrospektivt som forløpere til AE som kan føre til uplanlagte innleggelser på intensivavdelinger eller død.

En rekke tidlige varslingssystemer er utviklet for å hjelpe pleiepersonell med å identifisere endringer i vitale tegn som forløpere til AE. Den ofte brukte Modified Early Warning Score (MEWS) forsøker å identifisere akutt klinisk forverring basert på pasientens vitale tegn og bevissthetsnivå. Jo høyere MEWS-score, jo større er risikoen for AE. Effektiviteten til MEWS-skåren er imidlertid avhengig av hvor ofte poengsummen blir registrert og vurdert av pleiepersonalet. Selv om kontinuerlig overvåking av vitale tegn foregår innenfor og utenfor intensivavdelingen, blir disse dataene sjelden gitt til sykepleieren når de er utenfor pasientens rom i sanntid. Videre blir de vitale tegnene og MEWS-skårene vanligvis registrert i pasientjournalen med planlagte intervaller i løpet av en 24-timers periode (f. hver 4., 6., 8. eller 12. time). Hvis en pasients fysiologiske tilstand forverres mellom disse planlagte intervallene og sykepleieren ikke er kontinuerlig sammen med pasienten, går muligheten for tidlig gjenkjennelse av denne forverringen som kan føre til en AE. Betydningen av å overvåke vitale tegn i klinisk praksis er ubestridelig, men hvordan man best overvåker og tolker dem og hvor ofte de bør måles for å minimere AE er fortsatt uklart.

For å løse dette gapet i litteraturen har prosjektgruppen utviklet en innovativ teknologi. Beat Analytics System (BAS) gir sykepleiere både sanntidsovervåking av pasientens vitale tegn og kontinuerlig beregning av pasientens MEWS-score gjennom en app på mobiltelefonen. Denne informasjonen kan presenteres både numerisk (med grensebetingelser for varsler) og grafisk, for å observere endring i MEWS-score over tid. Hensikten med denne studien er å undersøke effekten av å gi sykepleiere ekstern, kontinuerlig overvåking i sanntid av pasientenes vitale tegn og MEWS-score ved bruk av BAS på forekomsten av AE, innleggelser på intensivavdelingen, sykehusoppholdslengden og aktivering av hurtigresponsteamet blant pasienter på ikke-intensiv sykehusenheter. Dette formålet vil bli adressert gjennom et longitudinelt sekvensielt studiedesign der utfallsvariablene (AE, innleggelser på ICU-sykehusets liggetid og aktivering av hurtigreaksjonsteamet) vil bli overvåket på to 20-sengers ikke-intensive enheter månedlig for 6 måneder uten BAS. Den 6-måneders basislinjedatainnsamlingsperioden vil bli fulgt av en måned med opplæring av pleiepersonalet på den målrettede enheten til å bruke BAS. Etter denne orienteringsmåneden vil utfallsvariablene igjen bli målt i løpet av en 6-måneders intervensjonsfase der BAS vil være tilgjengelig for sykepleiere som tar seg av pasienter på den målrettede enheten hvor pasientens vitale funksjoner vil bli kontinuerlig registrert.