Effektiviteten av ett automatiserat verktyg för fallriskscreening och remiss på akutmottagningen (ED)

Det specifika syftet med denna retrospektiva kohortstudie är att testa effektiviteten av den automatiska screeningen och remissinterventionen på slutförda remisser till UW Healths fallförebyggande klinik och antalet skadliga fall, med hjälp av en begränsad datauppsättning skapad från EHR- och Medicare-anspråksdata. Utredarna antar att ED-patienter som hänvisats med hjälp av fallrisk-CDS-verktyget kommer att ha minskad vårdanvändning på grund av fallrelaterade skador, och att interventionen kommer att ha liknande effektivitetsnivåer för olika typer av patientegenskaper. Utredarna kommer också systematiskt att undersöka hinder för patienter som fullföljer sina klinikremisser, såväl som schemaläggning av kliniker och protokoll för planering före besök som kan ha uteslutit patienter från att ta emot Falls Clinic-tjänster.

Effektiviteten kommer att bedömas baserat på granskning av en begränsad datauppsättning bestående av EHR- och Medicare-anspråksdata som mäter frekvensen av (1) patientremisser vid varje akutmottagning, (2) slutförda remisser till Mobility and Falls Clinic (dvs. ett avslutat klinikbesök), och (3) vårdbesök för fallrelaterade orsaker som inträffar inom sex månader efter det första akutbesöket.

Den primära analysen för att utvärdera effektiviteten av CDS-verktyget för fallrisk kommer att inkludera data från äldre vuxna patienter (ålder ≥65) som besöker läkarmottagningar i studien under interventionsperioden på varje plats, har en UW Health System-ansluten primärvårdsleverantör och är skrivs ut från ED- eller ED-observationsenheten (ej tillåten). Medlemmar av UWH Applied Data Science-teamet (som inte ingår i studieteamet) kommer att extrahera data från patientens EHR för att skapa en begränsad datauppsättning inklusive: tidigare fall och fallrelaterade skador (under de 12 månaderna före besöket, inklusive index ED-besöket ), fall efter besök och fallrelaterade skador (under de 6 månaderna efter indexbesöket på akutmottagningen), patientdemografi (ålder, kön, ras/etnicitet, försäkring), komorbiditeter, aktiva mediciner och användning (t.ex. primär och specialitet vårdbesök). Utbildnings- och inkomstnivåer kommer att uppskattas med hjälp av folkräkningsdata. Area Deprivation Index kommer också att användas baserat på patientadress. Dessa variabler kommer att extraheras i efterhand och lagras på säkra servrar.