Ocena wdrożenia pediatrycznego eCART

Pediatric eCART opiera się na łatwo dostępnych danych EHR i szybko określa ciężkość choroby, przewidując prawdopodobieństwo wystąpienia krytycznego początku choroby. Obecnie nie istnieje żaden spójnie dostępny system, który pozwala na ciągłe śledzenie ryzyka wystąpienia poważnych chorób u dzieci przyjmowanych do UW Health. Dlatego też lekarze i świadczeniodawcy UW Health nie dysponują niezawodnym mechanizmem oceny ryzyka pacjentów w celu skutecznego podejmowania decyzji klinicznych.

Ta propozycja wykorzystuje mechanizm wspomagania decyzji klinicznych AgileMD i analizę uczenia maszynowego opracowaną na podstawie zbioru danych ponad 30 000 pacjentów. Pediatric eCART został specjalnie zaprojektowany, aby zwrócić uwagę na pacjentów o podwyższonym ryzyku pogorszenia się stanu zdrowia i zoptymalizować postępowanie z pacjentami, w tym czas i potrzebę opieki na poziomie OIOM-u.

Wstępne badania wskazują, że wdrożenie pediatrycznego eCART na Uniwersytecie w Chicago doprowadziło do poprawy wyników. Podobna poprawa wśród dzieci przyjmowanych do UW Health doprowadzi do zmniejszenia zachorowalności i śmiertelności wśród naszej populacji pediatrycznej.

Co więcej, pozostaje znacząca luka w zrozumieniu akceptacji przez pielęgniarki narzędzi CDS opartych na danych. Pielęgniarki stanowią największą siłę roboczą klinicystów w systemie opieki zdrowotnej i odgrywają główną rolę w wykrywaniu pogorszenia stanu klinicznego, ponieważ to lekarze spędzają najwięcej czasu na obserwacji i ocenie pacjentów; jednakże nie zmierzono akceptowalności CDS opartych na sztucznej inteligencji w celu oceny akceptacji pielęgniarek dla tych nowych narzędzi. Akceptowalność jest niezbędna do zwiększenia długotrwałego stosowania i zmniejszenia nieoptymalnych wyników, takich jak zmęczenie czujnością lub zwiększone obciążenie poznawcze, tak aby narzędzia te ostatecznie pośredniczyły w dobrostanie pielęgniarek. W jednym badaniu oceniano postrzeganie przez pielęgniarki przydatności systemu wczesnego ostrzegania przed sepsą i stwierdzono, że mniej niż połowa pielęgniarek uznała ostrzeżenia za pomocne, a tylko jedna trzecia pielęgniarek stwierdziła, że ​​ostrzeżenia miały wpływ na opiekę nad pacjentem. Zrozumienie akceptacji pielęgniarek pomoże w opracowaniu strategii projektowania AgileMD w celu wspierania absorpcji i wykorzystania, tak aby można było wykorzystać narzędzia predykcyjne w celu zmniejszenia obciążenia poznawczego pielęgniarek. Ostatecznie w badaniu zostanie oceniony pediatryczny eCART w dwóch grupach pediatrycznych: (1) pacjenci pediatryczni poddani badaniu przesiewowemu; (2) pielęgniarka pediatryczna, klinicysta, użytkownicy końcowi.

Projekt badania: Jest to badanie przed- i pointerwencyjne dotyczące algorytmu uczenia maszynowego zintegrowanego z elektroniczną dokumentacją medyczną jako narzędzia wspomagającego podejmowanie decyzji klinicznych. Uczestnikami „przed” są dzieci hospitalizowane (do 18. roku życia), które zostały przyjęte do UW Health w okresie od 1 stycznia 2022 r. do daty wdrożenia eCART pediatrycznego w 2025 r. Wyniki pediatrycznego eCART zostaną obliczone retrospektywnie dla „przed” uczestników poprzez wprowadzenie wyników badań laboratoryjnych pacjenta i obserwacji parametrów życiowych do narzędzia pediatrycznego eCART. Uczestnikami „postu” są hospitalizowane dzieci (do 18. roku życia), które zostaną przyjęte do UW Health w ciągu dwóch lat od wdrożenia pediatrycznego eCART (przewidywany okres 2025-2027). Dla tych pacjentów pediatryczne wyniki eCART będą obliczane w czasie rzeczywistym.