Utvärdering av Geisinger at Home (GaH) patienthantering

BAKGRUND OCH BAKGRUND:

Geisinger at Home™ ger personlig hälsovård till berättigade Geisinger Gold Medicare Advantage-medlemmar där de bor. Geisingers hemvårdsprogram syftar till att hålla patienterna friskare, säkrare och bättre kopplade till sitt vårdteam. I nära samarbete med patienternas primärvårdsläkare kan Geisingers team av läkare, legitimerade sjuksköterskor, dietister, case managers, farmaceuter och annan medicinsk stödpersonal besöka patienter vid behov. Målet med programmet är att möta hälsobehoven hos patienter med kroniska hälsotillstånd genom regelbundna hembesök, vilket potentiellt kan minska akuta exacerbationer av dessa tillstånd som kräver resor till akuten eller sjukhuset.

Geisinger at Homes vårdspektrum inkluderar:

Kontroller Rutinprov Sårvård Andningsvård Näringsbehov Akutvård Specialvård

För närvarande finns cirka 7 000 Geisinger Gold-medlemmar inskrivna i Geisinger at Home-programmet och över 11 000 är berättigade baserat på nuvarande screeningmetod.

En grundläggande operativ utmaning för detta program är att bestämma hur man optimalt ska distribuera/distribuera sina knappa resurser – medlemmarna i vårdteamet – bland de 7 000 inskrivna medlemmarna för att optimera deras effekt. Den nuvarande screeningprocessen använder begränsade data (faktureringskoder) och enkla heuristiker för att bedöma patientrisk, och utnyttjar inte de rika, mycket granulära kliniska data som finns tillgängliga, såsom avbildning, laboratorievärden och vitala tecken, vilket avsevärt kan förbättra förmågan att noggrant förutsäga utfall och identifiera patienter som är mest lämpliga för programmet. Utredarna tror att användningen av dessa mer detaljerade data kan optimera detta nya sjukvårdssystem för att rikta in sig på patienter som har den högsta risken för framtida sjukvårdsanvändning eller biverkningar som dödsfall. Som ett bevis på konceptet genererade utredarna en maskininlärningsmodell för att förutsäga risken för framtida användning under de kommande 12 månaderna. Denna modell använde 191 indatavariabler inklusive kliniska data, bildåtergivningsmått, samsjukligheter, mediciner, tidigare användningsstatistik, såväl som sociala mått. Resultaten visade att maskininlärningsmodellen hade förmågan att förutsäga användningsändpunkter jämfört med nuvarande screeningmetoder som använder faktureringskoddata. Utredarna försöker nu prospektivt utvärdera effekten som GaH-interventioner har på patientresultat (t.ex. sjukhusinläggningar och akutbesök, dödlighet), när de informeras av dessa exakta prediktiva modelleringsresultat och andra stratifieringsmetoder.

PROCEDURER:

Forskningsdesign Detta är en prospektiv pragmatisk randomiserad kontrollerad studie för att utvärdera effekterna av GaH-intervention på berättigade patienter jämfört med nuvarande bästa praxis för vårdhantering. Patienterna kommer att identifieras och screenas baserat på tillgängliga data från EHR, slumpmässigt tilldelad GaH-intervention eller standardvård (SoC) och följas i 6 månader. De primära målen för studien är antalet sjukhusinläggningar och akutbesök. Sekundärt effektmått är 6 månaders överlevnad efter registrering.

Detaljerade förfaranden: När kohorterna har identifierats kommer kohort 2 (kontroller) att fortsätta att få standard klinisk vård och hantering. Det kommer inte att finnas någon avsikt för medlemmar i projektgruppen att ingripa eller interagera med dessa individer. Kohort 1 kommer att ombordas för GaH-intervention genom den kliniskt styrda processen av GaH-teamet. Notera att syftet med detta projekt inte är att definiera, kontrollera eller utvärdera de specifika detaljerna i GaH-processen eller proceduren, utan att utvärdera dess effektivitet som en alternativ klinisk vårdväg i denna miljö. Som sådan överlåts de specifika detaljerna och åtgärderna för GaH-vårdteamet i varje patientinteraktion till deras medicinska bedömning.