Wsparcie kliniczne oparte na AI w celu zmniejszenia żylnego zakrzepowo-zatorowego szpitalnego (randomizowane badanie VTE-AI) (VTE-AI RCT)

Tło {6a} szpital nabyty żylna zakrzepowo-zatorowa (HA-VTE) pozostaje główną przyczyną śmierci u hospitalizowanych pacjentów w USA.1 Około 900 000 osób doświadcza ŻChZZ każdego roku, a koszty leczenia oparte na występowaniu od 7 do 10 miliardów dolarów rocznie. 2 Druga wiodąca przyczyna życia skorygowanych o niepełnosprawność, HA-VTE powoduje znaczną zachorowalność i śmiertelność u pacjentów dorosłych i pediatrycznych. Około 1 na 3 osoby doświadczają długoterminowych powikłań (tj. Zespół posttroMtrakotycznego) po ŻChZZ. Zmniejszenie HA-VTE stanowi poważne wyzwanie diagnostyczne.

Pomimo wielu opublikowanych modeli prognostycznych HA-VTE, żaden pojedynczy model nie przewyższa reszty. A HA-VTE wpływa na grupy nierówno, co oznacza, że ​​modele mogą odzwierciedlać lub pogorszyć różnice w opiece zdrowotnej, jeśli nie są one wdrażane w kontekście odpowiedzialnych, algorytmowo-podmijających systemów 4 Integracja skalowalnej sztucznej inteligencji do zapobiegania HA-VTE z skutecznym wsparciem decyzji klinicznych (CDS) może skutecznie zmniejszyć występowanie HA-VTE, jednocześnie uświadomienie sobie potencjału AI w praktyce klinicznej o wysokiej wartości. Niedawno zespół klinicystów i biostatystycznych Vanderbilt potwierdził ocenę ryzyka regresji o nazwie „VTE-AI” w celu prognozowania ryzyka HA-VTE przy przyjęciu 5 Podział wiejski Różnice te mogą nie wynikać z samej wiedzy, ale z „wpływu niekorzystnej sytuacji społeczno-ekonomicznej, pochodzenia etnicznego, gorszej dostępności usług, wyższego poziomu ryzyka osobistego oraz bardziej niebezpiecznych warunków środowiskowych, zawodowych i transportowych”. 7 7. Implementacja AI nie będzie inaczej bez zwracania uwagi na różnice w obu ustawieniach wdrażania. Badanie wielu jednoczesnych wdrożeń AI zarówno w środowisku miejskim, jak i wiejskim u dorosłych i pediatrycznych przyniesie bezprecedensowe spostrzeżenia dla CDS kierowanych przez AI.

Uzasadnienie i konkretne cele {6b} Badanie to rygorystycznie zbada nowe podejście AI do przewidywania ryzyka HA-VTE i profilaktyki prowadzenia. To badanie wytworzy mocne dowody na pragmatyczne wykorzystanie nowych AI-CDS w celu zapobiegania HA-VTE w różnych miejscach i populacjach.

Celem tego badania jest ocena skuteczności płyt CD opartych na AI w celu zmniejszenia częstości występowania HA-VTE w całym systemie opieki zdrowotnej Vanderbilt, w tym miejsc miejskich i wiejskich: Vanderbilt Adult Hospital (VUH) i Vanderbilt Regional Health System (VRHS), w tym Vanderbilt Tullahoma Harton Hospital (VTHH), Vanderbilt Hrabstwa (VBCH) i hrabstwa VRHS), w tym szpitalem hrabstwa VANDBILT Hrabson hrabstwu. (VWCH).

Wdrożymy zatwierdzony wynik ryzyka, VTE-AI, 5, który nie wymaga wkładu klinicystów do obliczenia, skłonnego do ponownego rozpatrzenia profilaktyki DVT u osób, które 1) nie mają zamówionej aktywnej profilaktyki i 2) nie ma przeciwwskazań do farmakologicznej świcipsylaktyki. Niniejsze „szturchnięcie” pojawią się po złożeniu zamówień przyjęcia do przyjęć szpitalnych i każdego kolejnego dnia spotkania szpitalnego.

Obecny standard opieki to zestaw zamówień wymagający ręcznego obliczania narzędzia Ryzyka Padua8 i wyboru opcji profilaktyki lub dokumentacji tymczasowego lub trwałego wyjątku. Ocenimy skuteczność wsparcia decyzji klinicznej opartej na VTE-AI (CDS) w stosunku do standardowego zamówienia profilaktyki DVT/VTE w celu zmniejszenia występowania występowania HA-VTE w wymiarach miejskich/wiejskich. Przeprowadzimy pragmatyczne RCT CD napędzanych VTE-AI losują połowę kwalifikujących się spotkań na CDS i połowę do standardu opieki.

Cele {7} Podstawowy cel, który hipotezowa CDS zmniejszy częstość występowania HA-VTE u tych i) przewidywanych na wysokim ryzyku przez VTE-AI i II) bez dowodów na farmakologiczną profilaktykę w połowie, od wyjściowej 4,3% występowania (562/12946 zdarzeń) do 2,2%, co będzie wymagało 2236 spotkań. Obliczenie wielkości próbki wskazują, że w każdym ramieniu potrzebne są co najmniej 1118 spotkań pacjentów, aby osiągnąć 80% mocy z 5% prawdopodobieństwem błędu typu I. Korzystając z danych historycznych z 2023-2024, widzimy liczbę spotkań 150-230 spotkań miesięcznie spełniających te kryteria. Dlatego przeprowadzimy RCT przez jeden (1) rok, aby spełnić wymaganą wielkość próby.

Wtórny cel Postawiamy hipotezę CD VTE-AI nie zwiększy ryzyka krwawienia, wskaźników readmisji ani długości pobytu (LOS) między ramionami interwencyjnymi i nie interwencyjnymi.

Projekt próby {8} Dwupałkowy RCT z randomizacją na poziomie spotkania.