Wpływ elektronicznego systemu zarządzania alertami ML na zmniejszenie liczby wizyt na SOR i hospitalizacji
Wpływ elektronicznego systemu zarządzania alertami wykorzystującego obserwacje opiekunów i algorytm uczenia maszynowego w celu ograniczenia wizyt na oddziałach ratunkowych i nieplanowanych hospitalizacji wśród osób starszych
Opracowanie, walidacja i wpływ systemu zarządzania alertami wykorzystującego obserwacje pracowników socjalnych i algorytmy uczenia maszynowego do przewidywania alertów trwających od 7 do 14 dni w zakresie ryzyka wizyty na oddziale ratunkowym (ED) i nieplanowanej hospitalizacji.
Wieloośrodkowe badanie wdrożenia elektronicznego systemu pomiaru wyników zgłaszanego przez Home Care Aides wśród pacjentów, słabych dorosłych w wieku >= 65 lat mieszkających w domu i otrzymujących pomoc od doradców opieki domowej (HCA).
Przegląd badań
Status
Status
Warunki
Warunki
Interwencja / Leczenie
Interwencja / Leczenie
Szczegółowy opis
Co tydzień, po wizycie domowej, pracownicy ochrony zdrowia zgłaszali stan funkcjonalny uczestników za pomocą aplikacji na smartfony, która rejestrowała 23 elementy funkcjonalne każdego uczestnika (np. zdolność stania, poruszania się, jedzenia, nastrój, samotność). Opracowano system predykcyjny wykorzystujący techniki uczenia maszynowego (tj. wykorzystujące losowe predyktory leśne), który wygenerował alerty predykcyjne na okres od 7 do 14 dni dotyczące ryzyka wizyt pielęgniarek na SOR.
Kwestionariusz ten skupiał się na autonomii funkcjonalnej i klinicznej (tj. czynnościach życia codziennego), możliwych objawach medycznych (np. zmęczeniu, upadkach i bólu), zmianach w zachowaniu (np. rozpoznawaniu i agresywności) oraz komunikacji z HA lub otoczeniem . Kwestionariusz ten składa się z bardzo prostych i łatwych do zrozumienia pytań, dających całościowy obraz stanu danej osoby. Na każde z 23 pytań proszono o odpowiedź tak/nie. Dane rejestrowane przez HA były przesyłane w czasie rzeczywistym na bezpieczny serwer, gdzie były analizowane przez nasz algorytm uczenia maszynowego, który przewidywał poziom ryzyka i wyświetlał go na internetowym, bezpiecznym urządzeniu medycznym o nazwie PRESAGE CARE, które posiada znak CE. W szczególności, gdy algorytm przewidywał wysoki poziom ryzyka, na ekranie pojawiał się alert w formie powiadomienia do pielęgniarki koordynującej Powiatowego Ośrodka Sieci Opieki Zdrowotnej. Do powiadomienia o ryzyku dołączono informacje o ostatnich zmianach w stanie funkcjonalnym pacjentów, zidentyfikowanych na podstawie dokumentacji HA, aby pomóc pielęgniarce koordynującej w kontaktach z opiekunem rodzinnym i innymi pracownikami służby zdrowia.
W przypadku alarmu pielęgniarka koordynująca dzwoniła do opiekuna rodzinnego, aby zapytać o ostatnie zmiany w stanie zdrowia pacjenta i rozwiać wątpliwości, a następnie mogła podjąć decyzję o zwróceniu się o interwencję zdrowotną zgodnie z modelem interwencji zdrowotnej opracowanym przed rozpoczęciem badanie. W skrócie, ta interwencja zdrowotna wyzwalana alarmem (ATHI) polegała na zadzwonieniu do pielęgniarki pacjenta (jeśli pielęgniarka regularnie odwiedzała pacjenta w domu) lub lekarza rodzinnego i poinformowaniu ich o pogorszeniu się stanu funkcjonalnego pacjenta i potencjalnym ryzyku wizyty SOR lub nieplanowanej hospitalizacji w ciągu najbliższych dni zgodnie z algorytmem systemu eZdrowie. Ten model ATHI został zaprezentowany i zatwierdzony przez Agencje Régionales de Santé z regionów objętych naszym badaniem
Typ studiów
Typ studiów
Zapisy (Szacowany)
Zapisy
Faza
Faza
- Nie dotyczy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Le Chesnay, Francja, 78150
- Grand Versailles
-
Marseille, Francja, 13011
- Marseille-1
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Opis
Kryteria przyjęcia:
- wiek 75 lat mini
- otrzymania pomocy pracownika socjalnego
- pacjent powinien wyrazić zgodę
- pacjent powinien zgłosić się do lekarza pierwszego kontaktu w ciągu ostatnich 12 miesięcy
Kryteria wyłączenia:
- Osoby ze znacznym stopniem uzależnienia (francuski instrument krajowy, który stratyfikuje poziom uzależnienia od grupowych zasobów iso (GIR): 1 (bardzo poważne uzależnienie) i 2 (poważne uzależnienie)
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Zapobieganie
- Przydział: Randomizowane
- Model interwencyjny: Przydział równoległy
- Maskowanie: Brak (otwarta etykieta)
Liczba ramion
Broń i interwencje
Grupa uczestników / ArmGrupa uczestników / Arm |
Interwencja / LeczenieInterwencja / Leczenie |
|---|---|
|
Brak interwencji: Grupa kontrolna
zwykła opieka
|
|
|
Eksperymentalny: Interwencja
PRESAGE Care ATIH + konsultacja z pielęgniarką lub lekarzem rodzinnym
|
Uczestnicy tej części zostaną objęci opieką HCA i mogą odnieść korzyść z interwencji zdrowotnych pielęgniarki
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wskaźnik nieplanowanych hospitalizacji
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Porównanie wskaźnika nieplanowanych hospitalizacji w 2 randomizowanych grupach (grupa interwencyjna i kontrolna). Wartości P <0,05 zostaną uznane za istotne statystycznie. |
do ukończenia studiów, średnio 1 rok
|
|
Przeżycie bez zdarzeń (EFS)
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Porównanie średniego czasu wystąpienia pierwszego zdarzenia niepożądanego pomiędzy grupami interwencyjnymi i kontrolnymi. Wartości P <0,05 zostaną uznane za istotne statystycznie. |
do ukończenia studiów, średnio 1 rok
|
|
Wpływ na jakość życia osób starszych i ich krewnych (Europejska Jakość Życia, 5 wymiarów i 3-liniowa skala)
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Porównanie średniego wyniku w skali jakości życia EQ5D-3L (Europejska Jakość Życia, 5 wymiarów i 3 linie) pomiędzy grupą interwencyjną i kontrolną. Wartości P <0,05 zostaną uznane za istotne statystycznie. |
do ukończenia studiów, średnio 1 rok
|
|
Opłacalność
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Inkrementalny współczynnik efektywności kosztowej (ICER), QALY.
Do zdefiniowania strategii bardzo opłacalnej i opłacalnej zastosowano odpowiednio progi gotowości do zapłaty wynoszące 30 000 EUR za rok życia skorygowany o jakość (QALY) i 90 000 EUR za każdy QALY.
|
do ukończenia studiów, średnio 1 rok
|
Miary wyników drugorzędnych
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wpływ na użytkowników: czas potrzebny na wypełnienie kwestionariusza
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Czas potrzebny na wypełnienie kwestionariusza (w minutach): za akceptowalny uznaje się czas krótszy niż 2 minuty
|
do ukończenia studiów, średnio 1 rok
|
|
Stopa interwencji
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Część ostrzeżenia, która prowadzi do interwencji i czas interwencji (%).
Za akceptowalną uznaje się stawkę powyżej 70%.
|
do ukończenia studiów, średnio 1 rok
|
|
Czas interwencji
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Średni czas trwania między dniem ostrzeżenia a dniem interwencji (w dniach).
Opóźnienie mniejsze niż 4 dni uważa się za dopuszczalne.
|
do ukończenia studiów, średnio 1 rok
|
|
Czas potrzebny na analizę statusu pacjenta
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Czas potrzebny na analizę statusu pacjenta (godziny i minuty): akceptowalny będzie czas krótszy niż 15 minut przez pacjenta
|
do ukończenia studiów, średnio 1 rok
|
|
Wpływ na jakość opieki
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Pozytywny lub bardzo pozytywny wpływ na jakość opieki: akceptowalny jest poziom powyżej 80%.
|
do ukończenia studiów, średnio 1 rok
|
|
Wpływ na relacje zawodowe i koordynację
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Pozytywny lub bardzo pozytywny wpływ na relacje zawodowe i koordynację: akceptowalny jest poziom powyżej 80%.
|
do ukończenia studiów, średnio 1 rok
|
Współpracownicy i badacze
Sponsor
Sponsor
Współpracownicy
Współpracownicy
Publikacje i pomocne linki
Publikacje ogólne
- Iwashyna TJ, Ely EW, Smith DM, Langa KM. Long-term cognitive impairment and functional disability among survivors of severe sepsis. JAMA. 2010 Oct 27;304(16):1787-94. doi: 10.1001/jama.2010.1553.
- Inglis SC, Clark RA, McAlister FA, Ball J, Lewinter C, Cullington D, Stewart S, Cleland JG. Structured telephone support or telemonitoring programmes for patients with chronic heart failure. Cochrane Database Syst Rev. 2010 Aug 4;(8):CD007228. doi: 10.1002/14651858.CD007228.pub2.
- Clerencia-Sierra M, Calderon-Larranaga A, Martinez-Velilla N, Vergara-Mitxeltorena I, Aldaz-Herce P, Poblador-Plou B, Machon-Sobrado M, Egues-Olazabal N, Abellan-van Kan G, Prados-Torres A. Multimorbidity Patterns in Hospitalized Older Patients: Associations among Chronic Diseases and Geriatric Syndromes. PLoS One. 2015 Jul 24;10(7):e0132909. doi: 10.1371/journal.pone.0132909. eCollection 2015.
- Kahn JH, Magauran BG Jr, Olshaker JS, Shankar KN. Current Trends in Geriatric Emergency Medicine. Emerg Med Clin North Am. 2016 Aug;34(3):435-52. doi: 10.1016/j.emc.2016.04.014.
- Gasperini B, Cherubini A, Pierri F, Barbadoro P, Fedecostante M, Prospero E. Potentially preventable visits to the emergency department in older adults: Results from a national survey in Italy. PLoS One. 2017 Dec 21;12(12):e0189925. doi: 10.1371/journal.pone.0189925. eCollection 2017.
- McCusker J, Verdon J. Do geriatric interventions reduce emergency department visits? A systematic review. J Gerontol A Biol Sci Med Sci. 2006 Jan;61(1):53-62. doi: 10.1093/gerona/61.1.53.
- Chen CC, Wang C, Huang GH. Functional trajectory 6 months posthospitalization: a cohort study of older hospitalized patients in Taiwan. Nurs Res. 2008 Mar-Apr;57(2):93-100. doi: 10.1097/01.NNR.0000313485.18670.e2.
- Camargo CA Jr, Tsai CL, Sullivan AF, Cleary PD, Gordon JA, Guadagnoli E, Kaushal R, Magid DJ, Rao SR, Blumenthal D. Safety climate and medical errors in 62 US emergency departments. Ann Emerg Med. 2012 Nov;60(5):555-563.e20. doi: 10.1016/j.annemergmed.2012.02.018.
- Crane SJ, Tung EE, Hanson GJ, Cha S, Chaudhry R, Takahashi PY. Use of an electronic administrative database to identify older community dwelling adults at high-risk for hospitalization or emergency department visits: the elders risk assessment index. BMC Health Serv Res. 2010 Dec 13;10:338. doi: 10.1186/1472-6963-10-338.
- Hu Z, Jin B, Shin AY, Zhu C, Zhao Y, Hao S, Zheng L, Fu C, Wen Q, Ji J, Li Z, Wang Y, Zheng X, Dai D, Culver DS, Alfreds ST, Rogow T, Stearns F, Sylvester KG, Widen E, Ling XB. Real-time web-based assessment of total population risk of future emergency department utilization: statewide prospective active case finding study. Interact J Med Res. 2015 Jan 13;4(1):e2. doi: 10.2196/ijmr.4022.
- Takahashi PY, Heien HC, Sangaralingham LR, Shah ND, Naessens JM. Enhanced risk prediction model for emergency department use and hospitalizations in patients in a primary care medical home. Am J Manag Care. 2016 Jul;22(7):475-83.
- Denis F, Krakowski I. How Should Oncologists Choose an Electronic Patient-Reported Outcome System for Remote Monitoring of Patients With Cancer? J Med Internet Res. 2021 Sep 9;23(9):e30549. doi: 10.2196/30549.
- Bouazza YB, Chiairi I, El Kharbouchi O, De Backer L, Vanhoutte G, Janssens A, Van Meerbeeck JP. Patient-reported outcome measures (PROMs) in the management of lung cancer: A systematic review. Lung Cancer. 2017 Nov;113:140-151. doi: 10.1016/j.lungcan.2017.09.011. Epub 2017 Sep 23.
- Schick-Makaroff K, Karimi-Dehkordi M, Cuthbertson L, Dixon D, Cohen SR, Hilliard N, Sawatzky R. Using Patient- and Family-Reported Outcome and Experience Measures Across Transitions of Care for Frail Older Adults Living at Home: A Meta-Narrative Synthesis. Gerontologist. 2021 Apr 3;61(3):e23-e38. doi: 10.1093/geront/gnz162.
- Veyron JH, Friocourt P, Jeanjean O, Luquel L, Bonifas N, Denis F, Belmin J. Home care aides' observations and machine learning algorithms for the prediction of visits to emergency departments by older community-dwelling individuals receiving home care assistance: A proof of concept study. PLoS One. 2019 Aug 13;14(8):e0220002. doi: 10.1371/journal.pone.0220002. eCollection 2019.
- Huntley AL, Chalder M, Shaw ARG, Hollingworth W, Metcalfe C, Benger JR, Purdy S. A systematic review to identify and assess the effectiveness of alternatives for people over the age of 65 who are at risk of potentially avoidable hospital admission. BMJ Open. 2017 Aug 1;7(7):e016236. doi: 10.1136/bmjopen-2017-016236.
- Seibert K, Domhoff D, Bruch D, Schulte-Althoff M, Furstenau D, Biessmann F, Wolf-Ostermann K. Application Scenarios for Artificial Intelligence in Nursing Care: Rapid Review. J Med Internet Res. 2021 Nov 29;23(11):e26522. doi: 10.2196/26522.
- Gray JT, Walker A. Avoiding admissions from the ambulance service: a review of elderly patients with falls and patients with breathing difficulties seen by emergency care practitioners in South Yorkshire. Emerg Med J. 2008 Mar;25(3):168-71. doi: 10.1136/emj.2007.050732.
- Mason S, O'Keeffe C, Knowles E, Bradburn M, Campbell M, Coleman P, Stride C, O'Hara R, Rick J, Patterson M. A pragmatic quasi-experimental multi-site community intervention trial evaluating the impact of Emergency Care Practitioners in different UK health settings on patient pathways (NEECaP Trial). Emerg Med J. 2012 Jan;29(1):47-53. doi: 10.1136/emj.2010.103572.
- Mason S, Knowles E, Colwell B, Dixon S, Wardrope J, Gorringe R, Snooks H, Perrin J, Nicholl J. Effectiveness of paramedic practitioners in attending 999 calls from elderly people in the community: cluster randomised controlled trial. BMJ. 2007 Nov 3;335(7626):919. doi: 10.1136/bmj.39343.649097.55. Epub 2007 Oct 4.
- Soril LJ, Leggett LE, Lorenzetti DL, Noseworthy TW, Clement FM. Reducing frequent visits to the emergency department: a systematic review of interventions. PLoS One. 2015 Apr 13;10(4):e0123660. doi: 10.1371/journal.pone.0123660. eCollection 2015.
- Belmin J, Auffray JC, Berbezier C, Boirin P, Mercier S, de Reviers B, Golmard JL. Level of dependency: a simple marker associated with mortality during the 2003 heatwave among French dependent elderly people living in the community or in institutions. Age Ageing. 2007 May;36(3):298-303. doi: 10.1093/ageing/afm026. Epub 2007 Mar 24.
- O'Connell S, Palmer R, Withers K, Saha N, Puntoni S, Carolan-Rees G; PROMs, PREMs and Effectiveness Programme. Requirements for the collection of electronic PROMS either "in clinic" or "at home" as part of the PROMs, PREMs and Effectiveness Programme (PPEP) in Wales: a feasibility study using a generic PROM tool. Pilot Feasibility Stud. 2018 Jul 4;4:90. doi: 10.1186/s40814-018-0282-8. eCollection 2018.
- Duncanson E, Bennett PN, Viecelli A, Dansie K, Handke W, Tong A, Palmer S, Jesudason S, McDonald SP, Morton RL; Symptom monitoring WIth Feedback Trial (SWIFT) Investigators. Feasibility and acceptability of e-PROMs data capture and feedback among patients receiving haemodialysis in the Symptom monitoring WIth Feedback Trial (SWIFT) pilot: protocol for a qualitative study in Australia. BMJ Open. 2020 Nov 6;10(11):e039014. doi: 10.1136/bmjopen-2020-039014.
- Anderson KO, Palos GR, Mendoza TR, Cleeland CS, Liao KP, Fisch MJ, Garcia-Gonzalez A, Rieber AG, Nazario LA, Valero V, Hahn KM, Person CL, Payne R. Automated pain intervention for underserved minority women with breast cancer. Cancer. 2015 Jun 1;121(11):1882-90. doi: 10.1002/cncr.29204. Epub 2015 Feb 24.
- Adam R, Burton CD, Bond CM, de Bruin M, Murchie P. Can patient-reported measurements of pain be used to improve cancer pain management? A systematic review and meta-analysis. BMJ Support Palliat Care. 2017 Dec;7(4):0. doi: 10.1136/bmjspcare-2016-001137. Epub 2016 Nov 22.
- Mooney KH, Beck SL, Friedman RH, Farzanfar R, Wong B. Automated monitoring of symptoms during ambulatory chemotherapy and oncology providers' use of the information: a randomized controlled clinical trial. Support Care Cancer. 2014 Sep;22(9):2343-50. doi: 10.1007/s00520-014-2216-1. Epub 2014 Apr 1.
- Vasey B, Ursprung S, Beddoe B, Taylor EH, Marlow N, Bilbro N, Watkinson P, McCulloch P. Association of Clinician Diagnostic Performance With Machine Learning-Based Decision Support Systems: A Systematic Review. JAMA Netw Open. 2021 Mar 1;4(3):e211276. doi: 10.1001/jamanetworkopen.2021.1276.
- Adler-Milstein J, Chen JH, Dhaliwal G. Next-Generation Artificial Intelligence for Diagnosis: From Predicting Diagnostic Labels to "Wayfinding". JAMA. 2021 Dec 28;326(24):2467-2468. doi: 10.1001/jama.2021.22396. No abstract available.
- Barrachina-Fernandez M, Maitin AM, Sanchez-Avila C, Romero JP. Wearable Technology to Detect Motor Fluctuations in Parkinson's Disease Patients: Current State and Challenges. Sensors (Basel). 2021 Jun 18;21(12):4188. doi: 10.3390/s21124188.
- Khalil H, Bell B, Chambers H, Sheikh A, Avery AJ. Professional, structural and organisational interventions in primary care for reducing medication errors. Cochrane Database Syst Rev. 2017 Oct 4;10(10):CD003942. doi: 10.1002/14651858.CD003942.pub3.
- Beaudouin, Valérie and Bloch, Isabelle and Bounie, David and Bounie, David and Clémençon, Stéphan and d'Alché-Buc, Florence and Eagan, James and Maxwell, Winston and Mozharovskyi, Pavlo and Parekh, Jayneel, Flexible and Context-Specific AI Explainability: A Multidisciplinary Approach (March 23, 2020). Available at SSRN: https://ssrn.com/abstract=3559477 or http://dx.doi.org/10.2139/ssrn.3559477
- Belmin J, Villani P, Gay M, Fabries S, Havreng-Thery C, Malvoisin S, Denis F, Veyron JH. Real-world Implementation of an eHealth System Based on Artificial Intelligence Designed to Predict and Reduce Emergency Department Visits by Older Adults: Pragmatic Trial. J Med Internet Res. 2022 Sep 8;24(9):e40387. doi: 10.2196/40387.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Rzeczywisty)
Zakończenie podstawowe
Ukończenie studiów (Szacowany)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- PRESAGE_2021-01
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Opis planu IPD
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .