AI-drevet klinisk beslutningsstøtte for å redusere sykehus ervervet venøs tromboembolisme (VTE-AI randomisert studie) (VTE-AI RCT)

Bakgrunn {6a} sykehus skaffet seg venøs tromboembolisme (HA-VTE) er fortsatt den ledende dødsårsaken hos sykehusinnlagte pasienter i USA.1 Omtrent 900 000 mennesker opplever VTE hvert år, med forekomstbaserte medisinske kostnader estimert mellom $ 7 og $ 10 milliarder dollar per år.2 Den nest ledende årsaken til funksjonshemmingsjusterte livsår, HA-VTE forårsaker betydelig sykelighet og dødelighet hos voksne og pediatriske pasienter.3 Omtrent 1 av 3 personer opplever langsiktige komplikasjoner (dvs. post-trombotisk syndrom) etter VTE. Å redusere HA-VTE presenterer en stor diagnostisk utfordring.

Til tross for mange publiserte prognostiske modeller av HA-VTE, overgår ingen eneste modell resten. Og HA-VTE påvirker grupper som er uutholdelig, noe som betyr at modeller kan gjenspeile eller forverre helsevesenets forskjeller hvis de ikke er distribuert i sammenheng med ansvarlige, algoritmovigilantsystemer.4 Integrering av skalerbar AI for HA-VTE-forebygging i effektiv klinisk beslutningsstøtte (CDS) kan effektivt redusere HA-VTE-forekomst mens de hjelper til med å realisere potensialet for AI i klinisk praksis med høy verdi. Nylig validerte et Vanderbilt-team av klinikere og biostatistikere en regresjonsrisikoscore kalt "VTE-AI" for å prognostisere risikoen for HA-VTE ved innleggelse.5 Det urbane landlige skillet har lenge forårsaket helsevesenets forskjeller i sykelighet og dødelighet.6 Disse forskjellene er kanskje ikke resultat av ruralitet i seg selv, men fra "effekten av sosioøkonomisk ulempe, etnisitet, dårligere tjenestetilgjengelighet, høyere nivåer av personlig risiko og mer farlige miljø-, yrkes- og transportforhold." 7 AI -implementering vil ikke være annerledes uten nøye oppmerksomhet på forskjeller i begge distribusjonsinnstillingene. Å studere flere samtidige implementeringer av AI i både urbane og landlige omgivelser med voksne og pediatriske pasienter vil gi enestående innsikt for AI-drevne CD-er.

Begrunnelse og spesifikke mål {6b} Denne studien vil grille studere en ny AI-tilnærming til å forutsi risiko for HA-VTE og veiledende forebygging. Denne studien vil gi sterke bevis for pragmatisk bruk av nye AI-CD-er for å forhindre HA-VTE på tvers av forskjellige steder og befolkninger.

Målet med denne studien er å evaluere effektiviteten til AI-drevne CD-er for å redusere forekomsten av HA-VTE over Vanderbilt Health System inkludert by- og landlige nettsteder: Vanderbilt Adult Hospital (VUH) og Vanderbilt Regional Health System (Vander Vander Vander Buddilt Tullahoma Harton Hospital (Vander Vander), Vanderbilt Tullahom (Vanderbilt (Vanders Hospital (Vanders Hospital (Vanders Hospital), inkludert Vanderbilt), Vanderbilt (Vanderbilt (Vanders Hospital (Vander, og Vanderbilt (Vanders Hospital, Vander Bedt Bedilt Bedilt Bedilt Bedilt Bedilt Bettwilt Bedilt Bedilt Bedilt Bedilt Bedilt Bedilt Bedilt Bedilt Bedilt Bedilt Bedilt Bedilt Bedilt Bedil. (Vwch).

Vi vil implementere en validert risikoscore, VTE-AI, 5 som ikke krever innspill fra kliniker for å beregne, for å be CD-er som antyder revurdering av DVT-profylakse hos de som 1) ikke har aktiv profylakse bestilt og 2) har ingen kontraindikasjon til farmakologisk profylaxis. Denne CD -ene "Nudge" vil oppstå etter at opptaksordrer er sendt inn for sykehusinnleggelser og på hver påfølgende dag for et døgnforbindelse.

Den nåværende omsorgsstandarden er et ordresett som krever manuell beregning av PADUA -risikoverktøyet8 og valg av et profylaksealternativ eller dokumentasjon av et midlertidig eller permanent unntak. Vi vil evaluere effektiviteten av VTE-AI-drevet klinisk beslutningsstøtte (CDS) mot standard DVT/VTE-profylakseordre satt for å redusere HA-VTE-forekomst over by/landlige dimensjoner. Vi vil gjennomføre en pragmatisk RCT av VTE-AI-drevne CD-er som randomiserer halvparten av de kvalifiserte møtene til CD-er og halvparten til standard for omsorg.

Mål {7} Primærmål Vi antar at CD-er vil redusere forekomsten av HA-VTE hos de i) som er spådd med høy risiko av VTE-AI og II) uten bevis på farmakologisk profylakse i to, fra baseline 4,3% forekomst (562/12.946 hendelser) til 2,2% inkion, som vil kreve 2,236 kabsler. Beregning av prøvestørrelse indikerer at det er nødvendig med minst 11118 pasientmøter i hver arm for å oppnå 80% effekt med 5% sannsynlighet for type I -feil. Ved hjelp av historiske data fra 2023-2024 ser vi møtetall på 150-230 møter per måned som oppfyller disse kriteriene. Vi vil derfor gjennomføre RCT i ett (1) år for å oppfylle nødvendig prøvestørrelse.

Sekundærmål Vi antar at VTE-AI-CD-ene ikke vil øke blødningsrisikoen, tilbaketakingsgraden eller lengden på oppholdet (LOS) mellom intervensjonen og ikke-intervensjonsarmene.

Forsøksdesign {8} to-arm RCT med randomisering på møte-nivå.