Оценка внедрения eCART в педиатрии

Педиатрическая eCART опирается на легкодоступные данные EHR и быстро определяет тяжесть заболевания, прогнозируя вероятность возникновения критического заболевания. В настоящее время не существует постоянно доступной системы, которая постоянно отслеживает риск критических заболеваний у детей, поступивших в UW Health. Таким образом, врачи или поставщики медицинских услуг UW Health не имеют надежного механизма стратификации пациентов по риску для эффективного принятия клинических решений.

В этом предложении используется механизм поддержки принятия клинических решений AgileMD и аналитика машинного обучения, разработанная на основе набора данных из более чем 30 000 пациентов. Педиатрическая eCART была специально разработана для привлечения внимания к пациентам с повышенным риском ухудшения состояния и оптимизации ведения пациентов, включая сроки и необходимость оказания помощи на уровне отделения интенсивной терапии.

Предварительные исследования показывают, что внедрение педиатрической eCART в Чикагском университете привело к улучшению результатов. Подобные улучшения среди детей, поступивших в UW Health, приведут к снижению заболеваемости и смертности среди нашего педиатрического населения.

Кроме того, сохраняется значительный пробел в понимании того, как медсестры принимают инструменты CDS, основанные на данных. Медсестры являются крупнейшим штатом врачей в системе здравоохранения и играют первостепенную роль в выявлении клинического ухудшения, поскольку врачи проводят большую часть времени, наблюдая и оценивая пациентов; однако приемлемость CDS, основанной на искусственном интеллекте, не измерялась для оценки принятия медсестрами этих новых инструментов. Приемлемость важна для увеличения продолжительного использования и уменьшения неоптимальных результатов, таких как утомляемость или повышенная когнитивная нагрузка, чтобы эти инструменты в конечном итоге способствовали благополучию медсестер. В одном исследовании оценивалось восприятие медсестрами полезности системы раннего предупреждения о сепсисе и было обнаружено, что менее половины медсестер считают предупреждения полезными, и только треть медсестер сообщили, что предупреждения влияют на уход за пациентами. Понимание принятия медсестрами послужит основой для разработки стратегий AgileMD, которые будут способствовать освоению и использованию, чтобы можно было использовать инструменты прогнозирования для улучшения когнитивной нагрузки врачей-медсестер. В конце концов, исследование будет оценивать педиатрическую eCART на двух педиатрических группах: (1) прошедших скрининг педиатрических пациентов; (2) конечные пользователи педиатрической медсестры-клинициста.

Дизайн исследования: это пред- и постинтервенционное исследование алгоритма машинного обучения, интегрированного в электронную медицинскую карту в качестве инструмента поддержки принятия клинических решений. «Предварительными» участниками являются госпитализированные дети (младше 18 лет), которые были госпитализированы в UW Health в период с 1 января 2022 года до даты внедрения педиатрической eCART в 2025 году. Педиатрические оценки eCART будут ретроспективно рассчитаны для участников «до» путем ввода данных лабораторных исследований и наблюдений за жизненно важными показателями пациента в педиатрический инструмент eCART. «Пост»-участниками являются госпитализированные дети (младше 18 лет), которые будут приняты в UW Health в течение двух лет после внедрения педиатрической eCART (ожидается в 2025-2027 гг.). Для этих пациентов педиатрические показатели eCART будут рассчитываться в режиме реального времени.