The New Golden Standard: Early Warning Score Algorithm (EAGLE)

Data kommer att samlas in på de tre platserna med hjälp av SomnoTouchTM- och MOXTM-enheterna, kommersiellt tillgängliga och CE-godkända. Varje månad kommer uppgifterna att skickas till KUL och UM för att utveckla algoritmen. Studiecentrer kommer också att skicka några fördefinierade patientegenskaper extraherade från patientens EMR för att bättre kontextualisera data.

EWS-formeln har en fri tolkning av viktningen av vitala parametrar och de vitala parametrarna som ska beaktas i poängsystemet. Därför har många varianter av EWS uppstått det senaste decenniet (dvs. MEWS, NYHETER). Algoritmen som utvecklats i denna studie bör definiera ett objektivt tillvägagångssätt för EWS-formeln, vilket minskar diskordanserna vad gäller vikten per parameter. Med hjälp av ett patientanpassat tillvägagångssätt bör den definitiva algoritmen baseras på patientens vitala parameter mätt under hela hans/hennes sjukhusvistelse, vilket genererar en patientanpassad vikt per parameter och ett övergripande tillförlitligt EWS-poängsystem.

EWS-poängen mäts ofta bara två gånger per dag per patient, vilket skapar ett stort fönster för att sjukdomen ska förvärras. Algoritmen som utvecklades i den här studien skulle kunna användas längs den bärbara enheten som utvecklats i WearIT4Health-projektet. Enheten skulle kontinuerligt mata algoritmen med data som förvärvats från dess sensorer. Således skulle EWS beräknas var tionde sekund.

EWS-poängsystemet har redan visat sig vara ett effektivt tillvägagångssätt för att minska klinisk försämring, minska inläggningen på intensivvårdsavdelningar och därmed totalt sett minska dödligheten. Men som nämnts ovan mäts EWS i en ganska låg frekvens. Därför bör uppskattning av EWS-poängen via kontinuerligt övervakade parametrar öka patientöverlevnaden ytterligare.

Det primära syftet med EAGLE-studien är att samla in kontinuerligt övervakade vital- och aktivitetsparameterdata och använda den för att utveckla en algoritm som tidigt kan identifiera klinisk försämring för att optimera tillämpningen av EWS-systemet.