Apoio à decisão clínica orientada pela IA para reduzir o tromboembolismo venoso adquirido pelo hospital (estudo randomizado do VTE-AI) (VTE-AI RCT)

Antecedentes {6a} Hospital adquiriu o tromboembolismo venoso (HA-VTE) continua sendo a principal causa de morte em pacientes hospitalizados nos EUA.1 Aproximadamente 900.000 pessoas experimentam TEV a cada ano, com custos médicos baseados em incidência estimados entre US $ 7 e US $ 10 bilhões por ano.2 A segunda principal causa de vida útil ajustada por incapacidade, HA-VTE causa morbimortalidade significativa em pacientes adultos e pediátricos.3 Aproximadamente 1 em cada 3 pessoas experimentam complicações de longo prazo (ou seja, síndrome pós-trombótica) após o TEV. Reduzir o HA-VTE apresenta um grande desafio de diagnóstico.

Apesar de inúmeros modelos prognósticos publicados de HA-VTE, nenhum modelo único supera o restante. E o HA-VTE afeta os grupos de maneira desigual, o que significa que os modelos podem refletir ou piorar as disparidades de assistência médica se não forem implantadas no contexto de sistemas de algoritmovigilantes responsáveis.4 A integração da IA ​​escalável para a prevenção de HA-VTE em apoio eficaz da decisão clínica (CDS) pode efetivamente reduzir a incidência de HA-VTE, ajudando a realização do potencial de IA na prática clínica de alto valor. Recentemente, uma equipe Vanderbilt de clínicos e bioestatísticos validou uma pontuação de risco de regressão chamada "VTE-AI" para prognóstico o risco de ha-VTE na admissão.5 A divisão urbana-rural há muito causou disparidades de saúde em morbimortalidade.6 Essas diferenças podem não resultar da própria ruralidade, mas dos "efeitos da desvantagem socioeconômica, etnia, menor disponibilidade de serviços, níveis mais altos de risco pessoal e condições ambientais, ocupacionais e de transporte mais perigosas." 7 A implementação da IA ​​não será diferente sem muita atenção às diferenças nas duas configurações de implantação. O estudo de múltiplas implementações simultâneas de IA em ambiente urbano e rural com pacientes adultos e pediátricos produzirá insights sem precedentes para CDs acionados por IA.

Justificativa e objetivos específicos {6b} Este estudo estudará rigorosamente uma nova abordagem de IA para prever o risco de HA-VTE e a prevenção orientadora. Este estudo produzirá fortes evidências para o uso pragmático de novos AI-CDs para impedir o HA-VTE em diversos locais e populações.

The goal of this study is to evaluate the effectiveness of AI-driven CDS to reduce the incidence of HA-VTE across the Vanderbilt Health System including urban and rural sites: Vanderbilt Adult Hospital (VUH) and the Vanderbilt Regional Health System (VRHS) including Vanderbilt Tullahoma Harton Hospital (VTHH), Vanderbilt Bedford County Hospital (VBCH), and Vanderbilt Wilson County Hospital (VWCH).

Implementaremos uma pontuação de risco validada, VTE-AI, 5, que não requer informações clínicas para calcular, para levar os CDs sugerindo a reconsideração da profilaxia da TVP naqueles que 1) não têm profilaxia ativa ordenada e 2) não possuem contra-indicação à profilaxia farmacológica. Esse "cutucada" do CDS ocorrerá após o envio de ordens de admissão para internações hospitalares e em cada dia subsequente de um encontro hospitalar.

O padrão atual de atendimento é um conjunto de pedidos que requer cálculo manual da ferramenta de risco Padua8 e seleção de uma opção de profilaxia ou documentação de uma exceção temporária ou permanente. Avaliaremos a eficácia do apoio à decisão clínica (CDS) orientada por VTE-AI em relação à ordem padrão de profilaxia de TDVT/VTE definida para reduzir a incidência de HA-VTE entre as dimensões urbanas/rurais. Realizaremos um ECR pragmático de CDs orientados por VTE-AI randomizando metade dos encontros elegíveis para CDs e metade para o padrão de atendimento.

Objetivos {7} Objetivo Primário Nós, hipóteses, os CDs reduzirão a incidência de HA-VTE naqueles que i) previstos em alto risco por VTE-AI e II) sem evidência de profilaxia farmacológica ao meio, desde 4,3% de incidência (562/12.946 eventos) a 2,2% de incidência, que exigirá 4,3% de 2,23. O cálculo do tamanho da amostra indica pelo menos 1.118 encontros de pacientes são necessários em cada braço para obter 80% de potência com 5% de probabilidade de erro do tipo I. Usando dados históricos de 2023-2024, vemos contagens de encontros de 150-230 encontros por mês atendendo a esses critérios. Portanto, realizaremos o ECR por um (1) ano para atender ao tamanho da amostra exigido.

Objetivo secundário, levantando a hipótese dos CDs de VTE-AI não aumentarão o risco de sangramento, as taxas de readmissão ou os comprimentos de permanência (LOS) entre os braços de intervenção e não intervenção.

Projeto de teste {8} RCT de dois braços com randomização no nível do encontro.