АИ-управляемая клиническими решениями по сокращению венозной тромбоэмболии, приобретенной в больнице (рандомизированное исследование VTE-AI) (VTE-AI RCT)

Предпосылки {6A} больница, приобретенная венозной тромбоэмболизмом (HA-VTE), остается основной причиной смерти у госпитализированных пациентов в США. Приблизительно 900 000 человек испытывают VTE в год, причем расходы на медицинские расходы на основе заболеваний оцениваются от 7 до 10 миллиардов долларов в год. Вторая ведущая причина срока службы с учетом инвалидности, HA-VTE, вызывает значительную заболеваемость и смертность у взрослых и педиатрических пациентов.3.3.3. Примерно 1 из 3 человек испытывают долгосрочные осложнения (то есть посттерботический синдром) после VTE. Сокращение HA-VTE представляет собой серьезную диагностическую проблему.

Несмотря на многочисленные опубликованные прогностические модели HA-VTE, ни одна модель не превосходит остальные. И HA-VTE влияет на группы неравно, что означает, что модели могут отражать или ухудшать неравенство в области здравоохранения, если они не будут развернуты в контексте ответственных, алгоритмовиланских систем.4 Интеграция масштабируемого ИИ для профилактики HA-VTE в эффективную поддержку клинических решений (CDS) может эффективно снизить частоту HA-VTE, помогая реализации потенциала для ИИ в клинической практике высокой ценности. Недавно команда клиницистов и биостатистов в Вандербильте подтвердила оценку риска регрессии, называемую «vte-ai» для прогнозирования риска HA-VTE при поступлении.5 Распад в городских сельских районах долгое время вызвал неравенство в здравоохранении в области заболеваемости и смертности. Эти различия могут быть результатом самой мучительности, а в результате «последствий социально-экономического недостатка, этнической принадлежности, более низкой доступности обслуживания, более высоких уровней личного риска и более опасных условий окружающей среды, профессиональных и транспортных средств» 7 ». 7» 7 ». Реализация искусственного интеллекта не будет отличаться без пристального внимания к различиям в обоих настройках развертывания. Изучение нескольких одновременных реализаций ИИ в городских и сельских условиях со взрослыми и педиатрическими пациентами даст беспрецедентную информацию для компакт-дисков, управляемых ИИ.

Обоснование и специфические цели {6b} Это исследование будет строго изучать новый подход ИИ для прогнозирования риска HA-VTE и направления профилактики. Это исследование даст убедительные доказательства прагматического использования новых AI-CD для предотвращения HA-VTE в разных местах и ​​популяциях.

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).

Мы будем реализовать подтвержденную оценку риска, VTE-AI, 5, который не требует ввода клиницистов для расчета, чтобы вызвать CDS, предполагающие пересмотр профилактики DVT у тех, кто 1) не имеет активной профилактики, и 2) не имеют противопоказания к фармакологической профилактике. Этот CDS «подталкивание» произойдет после того, как будут представлены заказы на прием для поступления в больницу и в каждый последующий день стационарного столкновения.

Текущий стандарт медицинской помощи - это набор заказов, требующий ручного расчета инструмента риска падуи и выбора опции профилактики или документации временного или постоянного исключения. Мы оценим эффективность поддержки клинических решений, управляемой VTE-AI (CDS) по сравнению с стандартным порядком профилактики DVT/VTE, устанавливаемом для снижения заболеваемости HA-VTE в рамках городских/сельских измерений. Мы проведем прагматичный РКИ VTE-AI-управляемых CDS, рандомизируя половину подходящих встреч с CDS и половиной стандарта медицинской помощи.

Цели {7} Первичная цель Мы предполагаем, что CDS снижает частоту HA-VTE в тех, которые I) прогнозируются с высоким риском с помощью VTE-AI и II) без признаков фармакологической профилактики вдвое, от исходного уровня 4,3% (562/12,946 событий) до 2,2% частоты, которая потребует 2236 встречах. Расчет размера выборки указывает на то, что в каждом руке требуется не менее 118 встреч пациентов для достижения 80% мощности с 5% вероятностью ошибки типа I. Используя исторические данные с 2023-2024 годы, мы видим количество встреч 150-230 встреч в месяц, соответствующие этим критериям. Поэтому мы проведем РКИ в течение одного (1) года, чтобы соответствовать необходимому размеру выборки.

Вторичная цель Мы предполагаем, что CD VTE-AI не будут увеличивать риск кровотечения, частоты реадмиссии или продолжительности пребывания (LOS) между вмешательством и невмешательными руками.

Испытательный дизайн {8} RCT с двумя руками с рандомизацией на уровне встречи.