Влияние электронной системы управления оповещениями ML на сокращение использования посещений неотложной помощи и госпитализаций

Еженедельно, после посещения на дому, HCA сообщали о функциональном статусе участников с помощью приложения для смартфонов, которое записывало 23 функциональных параметра каждого участника (например, способность стоять, двигаться, есть, настроение, одиночество). Была разработана система прогнозирования с использованием методов машинного обучения (т. е. с использованием случайных лесных предикторов), которая генерировала прогнозирующие оповещения на период от 7 до 14 дней о риске посещения отделения неотложной помощи медсестрам.

Этот опросник был сосредоточен на функциональной и клинической автономии (т. е. повседневной деятельности), возможных медицинских симптомах (например, утомляемости, падениях и боли), изменениях в поведении (например, узнавании и агрессивности) и общении с HA или их окружением. . Эта анкета состоит из очень простых и понятных вопросов, дающих общее представление о состоянии человека. На каждый из 23 вопросов предлагался ответ да/нет. Данные, записанные HA, были отправлены в режиме реального времени на защищенный сервер для анализа с помощью нашего алгоритма машинного обучения, который спрогнозировал уровень риска и отобразил его на защищенном через Интернет медицинском устройстве под названием PRESAGE CARE, имеющем маркировку CE. В частности, когда алгоритм прогнозировал высокий уровень риска, на экран медсестре-координатору сетевого центра здравоохранения района выводилось оповещение в виде уведомления. Это уведомление о риске сопровождалось информацией о недавних изменениях в функциональном статусе пациентов, выявленных из записей медицинских работников, чтобы помочь медсестре-координатору во взаимодействии с лицом, осуществляющим уход за членами семьи, и другими медицинскими работниками.

В случае сигнала тревоги медсестра-координатор звонила лицу, осуществляющему уход за семьей, чтобы узнать о недавних изменениях в состоянии здоровья пациента и устранить сомнения, а затем могла принять решение о проведении медицинского вмешательства в соответствии с моделью медицинского вмешательства, разработанной до начала изучать. Короче говоря, это медицинское вмешательство по сигналу тревоги (ATHI) заключалось в вызове медсестры пациента (если медсестра регулярно посещала пациента на дому) или врача общей практики пациента и информировании их об ухудшении функционального состояния пациента и потенциальном риске. обращения в отделение неотложной помощи или внеплановой госпитализации в ближайшие дни по алгоритму системы eHealth. Эта модель ATHI была представлена ​​и одобрена Региональными агентствами здравоохранения регионов, участвовавших в нашем исследовании.