Peroperativ utfallsriskbedömning med förbättrad datorinlärning (ORACLE)

Perioperative Outcome Risk Assessment with Computer Learning Enhancement (Periop ORACLE)-studien kommer att vara en delstudie inbäddad i den pågående TECTONICS-studien (NCT03923699). TECTONICS är en randomiserad klinisk studie med ett enda center som utvärderar effekten av ett anestesiologisk kontrolltorn (ACT) på postoperativ 30-dagars mortalitet, delirium, andningssvikt och akut njurskada. Som en del av TECTONICS-prövningen utför utredare i ACT journalfallsgranskningar under den tidiga delen av operationen och dokumenterar hur sannolikt de känner att varje patient är att uppleva postoperativ död och akut njurskada (AKI). I Periop ORACLE kommer dessa fallgenomgångar att randomiseras för att utföras med eller utan tillgång till maskininlärningsförutsägelser (ML).

Utredare i ACT kommer att genomföra alla fallgenomgångar genom att titta på patientens journaler i AlertWatch (AlertWatch, Ann Arbor, MI) och Epic (Epic, Verona, WI). AlertWatch är ett FDA-godkänt patientövervakningssystem designat för användning i operationssalen. Den version av AlertWatch som används i denna studie har anpassats för användning i en telemedicinsk miljö. Epic är det elektroniska journalsystem som används på Barnes-judiska sjukhuset. Varje ärendegranskning kommer att randomiseras på ett 1:1-sätt för att slutföras med eller utan ML-hjälp. Om ärendegranskningen är randomiserad till ML-assistans kommer utredaren att få tillgång till ett displaygränssnitt (för närvarande utplacerat som en webbapplikation på en säker server) som visar sannolikheten för ML förutspådd i realtid för postoperativ död och postoperativ AKI. Om ärendegranskningen inte är randomiserad till ML-assistans, kommer utredaren inte åt denna visning. Efter att ha tittat på patientens data kommer utredaren att förutsäga hur sannolikt patienten är att uppleva postoperativ död och postoperativ AKI och kommer att dokumentera denna förutsägelse. Arean under mottagarens funktionskarakteristiska kurvor för förutsägelser gjorda med ML-assistans och utan ML-assistans kommer att jämföras.