Effekten av et ML elektronisk varslingsstyringssystem for å redusere bruken av akuttmottaksbesøk og sykehusinnleggelser

På ukentlig basis, etter hjemmebesøk, rapporterte HCA om deltakernes funksjonelle status ved å bruke en smarttelefonapplikasjon som registrerte 23 funksjonelle elementer om hver deltaker (f.eks. evne til å stå, bevege seg, spise, humør, ensomhet). Prediktivt system som bruker maskinlæringsteknikker (dvs. utnytter tilfeldige skogprediktorer) ble utviklet og genererte 7 til 14-dagers prediktive varsler for risikoen for ED-besøk hos sykepleiere.

Dette spørreskjemaet fokuserte på funksjonell og klinisk autonomi (dvs. aktiviteter i dagliglivet), mulige medisinske symptomer (f.eks. tretthet, fall og smerte), endringer i atferd (f.eks. gjenkjennelse og aggressivitet) og kommunikasjon med HA eller deres omgivelser. . Dette spørreskjemaet er satt sammen av svært enkle og lettfattelige spørsmål, som gir en global oversikt over personens tilstand. For hvert av de 23 spørsmålene ble det bedt om et ja/nei-svar. Data registrert av HA-er ble sendt i sanntid til en sikker server for å bli analysert av maskinlæringsalgoritmen vår, som forutså risikonivået og viste det på en nettbasert sikker medisinsk enhet kalt PRESAGE CARE, som er CE-merket. Spesielt når algoritmen spådde et høyrisikonivå, ble det vist et varsel i form av et varsel på skjermen til den koordinerende sykepleieren ved distriktets helsenettverk. Denne risikovarslingen ble ledsaget av informasjon om nylige endringer i pasientenes funksjonsstatus, identifisert fra HAs journaler, for å hjelpe den koordinerende sykepleieren i samhandling med pårørende og annet helsepersonell.

I tilfelle et varsel ringte den koordinerende sykepleieren pårørende for å forhøre seg om nylige endringer i pasientens helsetilstand og for fjerning av tvil, og kunne deretter bestemme seg for å be om en helseintervensjon i henhold til en helseintervensjonsmodell utviklet før starten av studere. Kort fortalt besto denne varslingsutløste helseintervensjonen (ATHI) i å ringe pasientens sykepleier (hvis pasienten hadde regelmessige hjemmebesøk av en sykepleier) eller pasientens fastlege og informere dem om en forverring av pasientens funksjonsstatus og en potensiell risiko. av et akuttbesøk eller uplanlagt sykehusinnleggelse i løpet av de neste dagene i henhold til e-helsesystemets algoritme. Denne modellen av ATHI hadde blitt presentert og godkjent av Agences Régionales de Santé i regionene som var involvert i vår studie