Effektiviteten hos Intelligent Case Manage Platform hos levertransplantationsmottagare (ICMP)

Bakgrund: Mottagare av levertransplantationer kräver korrekt självhantering för att undvika risken för olika komplikationer, minska sjukhusvårds- och medicinska kostnader och förbättra deras livskvalitet. De möter också olika utmaningar i självförvaltning. Därför är det viktigt att förbättra självförvaltningen av levertransplantationsmottagare efter levertransplantation. Sjukhus och sjukvårdsinrättningar som tar hand om sådana patienter bör underlätta individualiserad vård, tillgång till sjukvårdsresurser och planerat stöd efter utskrivningen. Användningen av informationsteknologi, artificiell intelligens och djupinlärning för att identifiera och bekräfta egenskaperna och typerna av självförvaltningskrav hos levertransplantationsmottagare och tillhandahålla individualiserad självförvaltning kan hjälpa till att förbättra deras självförvaltningsförmåga och hälsoresultat. Vårdens kvalitet och kontinuitet kan också förbättras. Det har dock inte gjorts några studier i detta avseende.

Syfte: Att etablera en intelligent fallhanteringsplattform som kombinerar artificiell intelligens och djupinlärning för att förbättra själveffektiviteten och självhanteringen hos levertransplantationsmottagare, och därigenom förbättra kliniska resultat och hälsorelaterad livskvalitet. Syften med denna studie är följande: 1. Beskriv självhanterings- och informationsbehov hos levertransplantationsmottagare, 2. Skapa innehåll eller moduler relaterade till självhantering av levertransplantationsmottagare, 3. Bygg en intelligent ärendehanteringsplattform, 4 Utvärdera användbarheten av plattformen och 5. Genomför djupgående lärande och undersök effekterna av den intelligenta ärendehanteringsplattformen på själveffektivitet, självförvaltning, hälsoresultat och hälsorelaterad livskvalitet.

Metoder och material: Denna studie är en prospektiv, kvasi-experimentell design, med en experimentgrupp och en kontrollgrupp, kommer att skapas. För det första kommer levertransplantationspatienters egenvårdsvård och informationsbehov att integreras för att skapa grunden för den intelligenta ärendehanteringsplattformen. För detta ändamål kommer uppskattningsvis 50 levertransplantationsmottagare och 10 medicinsk personal att intervjuas. Data kommer att analyseras genom kvalitativ innehållsanalys. Baserat på detta innehåll kommer den intelligenta ärendehanteringsplattformen att utvecklas och utvärderas. För utvärderingen kommer data från 200 levertransplanterade mottagare att samlas in för att bedöma plattformens tillgänglighet, prestanda och användningsstatus. Data relaterade till mottagarens användning av plattformen och mottagande av självförvaltning från plattformen kommer också att samlas in för djupinlärning. Betydelsen och den kliniska relevansen av självförvaltning som tillhandahålls av plattformen kommer att bedömas av den medicinska personalen som är involverad i levertransplantationsvård. Tekniker för djupinlärning kommer att användas, och effektiviteten av den intelligenta ärendehanteringsplattformen när det gäller själveffektivitet, självförvaltning, hälsoresultat och hälsorelaterad livskvalitet kommer att undersökas. Uppskattningsvis 133 patienter kommer att vara involverade i detta experiment: 44 i experimentgruppen och 89 i kontrollgruppen. Data kommer att samlas in vid utskrivning (baslinjedata) och 1, 3, 6, 9 och 12 månader efter utskrivning från sjukhuset. Programvara för statistiska paket (SPSS 22.0) kommer att användas för att analysera data. En generaliserad skattningsekvationsmodell kommer att analysera skillnaderna i själveffektivitet, självförvaltning och hälsorelaterad livskvalitet över tid mellan experiment- och kontrollgruppen. Denna studie föreslår innovativa tillämpningar för informationsteknologi, djupinlärning och artificiell intelligens. Förhoppningen är att tvärvetenskapligt samarbete kan förbättra levertransplantationsmottagares självförvaltning och hälsoresultat.