Avaliação de risco de resultado perioperatório com aprimoramento de aprendizado de computador (ORACLE)

O estudo Perioperative Outcome Risk Assessment with Computer Learning Enhancement (Periop ORACLE) será um subestudo aninhado no estudo TECTONICS em andamento (NCT03923699). TECTONICS é um ensaio clínico randomizado de centro único avaliando o impacto de uma torre de controle de anestesiologia (ACT) na mortalidade pós-operatória de 30 dias, delirium, insuficiência respiratória e lesão renal aguda. Como parte do estudo TECTONICS, os investigadores do ACT realizam análises de casos de registros médicos durante a parte inicial da cirurgia e documentam a probabilidade de cada paciente sofrer morte pós-operatória e lesão renal aguda (LRA). No Periop ORACLE, essas revisões de caso serão randomizadas para serem realizadas com ou sem acesso a previsões de aprendizado de máquina (ML).

Os investigadores do ACT realizarão todas as análises de casos visualizando os registros do paciente no AlertWatch (AlertWatch, Ann Arbor, MI) e Epic (Epic, Verona, WI). O AlertWatch é um sistema de monitoramento de pacientes aprovado pela FDA, projetado para uso na sala de cirurgia. A versão do AlertWatch usada neste estudo foi customizada para uso em um ambiente de telemedicina. Epic é o sistema de registro eletrônico de saúde utilizado no Barnes-Jewish Hospital. Cada revisão de caso será randomizada de maneira 1:1 para ser concluída com ou sem assistência de ML. Se a revisão do caso for randomizada para assistência de ML, o investigador acessará uma interface de exibição (atualmente implantada como um aplicativo da Web em um servidor seguro) que mostra a probabilidade prevista de ML em tempo real para morte pós-operatória e LRA pós-operatória. Se a revisão do caso não for randomizada para assistência de ML, o investigador não acessará esta exibição. Depois de visualizar os dados do paciente, o investigador preverá a probabilidade de o paciente sofrer morte pós-operatória e LRA pós-operatória e documentará essa previsão. A área sob as curvas características de operação do receptor para previsões feitas com assistência de ML e sem assistência de ML serão comparadas.