Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Förebyggande av akut admIssion Algoritm (PATINA)

25 oktober 2022 uppdaterad av: Anders Fournaise, Region of Southern Denmark

Förebyggande av akut intagsalgoritm (PATINA) – Effekten av en meddelandealgoritm och ett digitalt beslutsstödsverktyg

Utnyttjandet av den offentliga hälso- och sjukvården speglar den äldre individens allmänna hälsa och ökat behov av sjukvård kan föregå tydligare symtom på akut sjukdom. I en tidigare retrospektiv studie fann vi en signifikant ökning av kommunal hemtjänst (minuter/vecka) under en 12-månadersperiod före akut sjukhusvistelse. Denna doktorandstudie syftar till att undersöka effekten av en mjukvarualgoritm som övervakar äldre medborgares utnyttjande av kommunal hemtjänst. När hemtjänsten ökar meddelas närvårdaren och särskild uppmärksamhet ägnas åt individens aktuella hälsosituation. Proaktiva hälso- och sjukvårdsinsatser kan komma att startas i samarbete med primärvårdsläkaren. Interventionen är algoritmen.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Studietyp

Interventionell

Inskrivning (Faktisk)

2464

Fas

  • Inte tillämpbar

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

  • Danmark
      • Odense, Danmark, 5000
        • Odense University Hospital

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

65 år och äldre (OLDER_ADULT)

Tar emot friska volontärer

Nej

Kön som är behöriga för studier

Allt

Beskrivning

Inklusionskriterier:

  • Samhällsboende (+ 65) som får hem- och socialvård i Odense, Kerteminde och Svendborgs kommuner.

Exklusions kriterier:

  • Ej

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: FÖREBYGGANDE
  • Tilldelning: RANDOMISERAD
  • Interventionsmodell: PARALLELL
  • Maskning: INGEN

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
EXPERIMENTELL: Intervention
Användning av aviseringsalgoritm och sjuksköterskeuppföljning
Övrig: PATINA algoritm
En gång i veckan får samhällssköterskor en lista över medborgare i samhället som bedöms riskera försämring som kan leda till sjukhusinläggning. Sjuksköterskor bedömer varje medborgares situation och initierar ingripande vid behov (inte en del av insatsen).
NO_INTERVENTION: Kontrollera
Standardregim (vanlig vård)

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Sjukhusinläggningar
Tidsram: 30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Beräknat utifrån data från det danska rikspatientregistret
30 dagar från identifiering av algoritmen (6 månader för interventionsfas)

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Återinläggningar på sjukhus
Tidsram: 30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Beräknat utifrån data från det danska rikspatientregistret
30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Öppenvårdskontakter
Tidsram: 30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Beräknat utifrån data från det danska rikspatientregistret
30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Användning av tillfällig vård på en kvalificerad vårdinrättning
Tidsram: 30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Beräknat utifrån data från de tre deltagande kommunernas elektroniska vårdjournaler
30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Användning av hemtjänst och socialvård
Tidsram: 30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Beräknat utifrån data från de tre deltagande kommunernas elektroniska vårdjournaler
30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Kontakter till primärvårdsläkare
Tidsram: 30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Beräknat baserat på data från det danska National Health Insurance Service Register
30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Dödlighet
Tidsram: 30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Beräknat utifrån data från danska dödsorsaksregistret.
30 dagar från identifiering av algoritmen (6 månader för interventionsfas)

Andra resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Barriärer och facilitatorer för sjuksköterskans acceptans av att använda algoritmen
Tidsram: 30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Beräknat baserat på ett undersökningsbatteri som samlats in 1 månad före interventionsstart, 14-7 dagar före interventionsstart, 1 månad efter interventionsstart
30 dagar från identifiering av algoritmen (6 månader för interventionsfas)
Hälsoekonomisk analys
Tidsram: 1 år
De analytiska detaljerna kommer att baseras på de primära och sekundära resultaten av leden
1 år

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Region of Southern Denmark

Samarbetspartners

Odense Municipality, Denmark
Kerteminde Municipality, Denmark
Svendborg Municipality, Denmark

Utredare

  • Huvudutredare: Anders Fournaise, MSPH, Region of Southern Denmark

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

Allmänna publikationer

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (FAKTISK)

1 juni 2020

Primärt slutförande (FAKTISK)

31 maj 2022

Avslutad studie (FAKTISK)

31 maj 2022

Studieregistreringsdatum

Först inskickad

13 maj 2020

Först inskickad som uppfyllde QC-kriterierna

18 maj 2020

Första postat (FAKTISK)

21 maj 2020

Uppdateringar av studier

Senaste uppdatering publicerad (FAKTISK)

3 november 2022

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

25 oktober 2022

Senast verifierad

1 oktober 2022

Mer information

Termer relaterade till denna studie

Nyckelord

Andra studie-ID-nummer

  • 19/29873
  • 9163-00002B (OTHER_GRANT: Innovation Fund Denmark)
  • 19/20991 (OTHER_GRANT: Region of Southern Denmark)
  • OP_1033 (ÖVRIG: Open Patient data Explorative Network (OPEN))

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

OBESLUTSAM

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Kliniska prövningar på PATINA algoritm

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Kenya

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

3
Prenumerera