Effekten av ett elektroniskt varningshanteringssystem för ML för att minska användningen av akutbesök och sjukhusvistelser

Varje vecka, efter hembesök, rapporterade HCA om deltagarnas funktionella status med hjälp av en smartphoneapplikation som registrerade 23 funktionella föremål om varje deltagare (t.ex. förmåga att stå, röra sig, äta, humör, ensamhet). Prediktivt system som använder maskininlärningstekniker (dvs. utnyttjande av slumpmässiga skogsprediktorer) utvecklades och genererade 7 till 14-dagars prediktiva varningar för risken för akutbesök hos sjuksköterskor.

Detta frågeformulär fokuserade på funktionell och klinisk autonomi (dvs. aktiviteter i det dagliga livet), möjliga medicinska symtom (t.ex. trötthet, fall och smärta), förändringar i beteende (t.ex. igenkänning och aggressivitet) och kommunikation med HA eller deras omgivning. . Detta frågeformulär är sammansatt av mycket enkla och lättförståeliga frågor, vilket ger en global bild av personens tillstånd. För var och en av de 23 frågorna begärdes ett ja/nej-svar. Data som registrerats av HA skickades i realtid till en säker server för att analyseras av vår maskininlärningsalgoritm, som förutspådde risknivån och visade den på en webbaserad säker medicinsk enhet som heter PRESAGE CARE, som är CE-märkt. Speciellt när algoritmen förutspådde en högrisknivå visades en varning i form av en notifikation på skärmen till den samordnande sjuksköterskan i distriktets hälsovårdsnätverk. Detta riskmeddelande åtföljdes av information om de senaste förändringarna i patienternas funktionsstatus, identifierad från HAs register, för att hjälpa den samordnande sjuksköterskan att interagera med familjevårdare och annan vårdpersonal.

I händelse av en larm ringde den samordnande sjuksköterskan familjevårdaren för att fråga om de senaste förändringarna i patientens hälsotillstånd och för att undanröja tvivel och kunde sedan besluta att be om en hälsoinsats enligt en hälsointerventionsmodell som utvecklats före starten av studie. I korthet bestod denna larmutlösta hälsointervention (ATHI) i att man ringde patientens sjuksköterska (om patienten hade regelbundna hembesök av en sjuksköterska) eller patientens allmänläkare och informerade dem om en försämring av patientens funktionsstatus och en potentiell risk. av ett akutbesök eller oplanerad sjukhusvistelse inom de närmaste dagarna enligt eHealth-systemets algoritm. Denna modell av ATHI hade presenterats och godkänts av Agences Régionales de Santé i de regioner som var involverade i vår studie