Medicinsk övervakning av äldre vuxna patienter efter utskrivning från sjukhusvistelse med hjärtsvikt

Hjärtsvikt är ett tillstånd med dålig prognos, särskilt hos äldre vuxna med svår hantering. Totalt sett ökar dödligheten med åldern och stiger med 27 % per decennium hos män och 61 % per decennium hos kvinnor.

Hanteringen och övervakningen av hjärtsvikt förlitar sig på lämplig förskrivning av läkemedel med gynnsam effekt på ombyggnad av hjärtmuskeln (ACE-hämmare, betablockerare), med en regelbunden omvärdering för bästa effekt samt en god överensstämmelse med hygieniska kostregler som t.ex. som regelbunden viktkontroll, enkla näringsregler (salt- och vattenintag), och upprätthållande av fysisk aktivitet och träning.

Huvudsyftet med ambulatoriska tjänster är att upptäcka episoder av dekompensation tidigt för att behandla det snabbt och förhindra sjukhusvistelse. I avsaknad av förbättring är sjukhusvistelse nödvändig. När den väl har skrivits ut från vårdinrättningen är samordning med staden eller värdstrukturen avgörande för att säkerställa lämplig kontinuitet i vården.

Dåliga publikationer har redan visat fördelarna med Machine Learning (ML) för att förutsäga sjukhusvistelse och död hos hjärtsviktspatienter. Förutsägande prestanda sträcker sig från genomsnitt (AUC: 0,55) till mycket bra (AUC 0,8).

Men för att fungera kräver dessa modeller ett stort antal mycket medicinskiserade variabler (vanligtvis över hundra, inklusive medicinering, medicinsk historia, EKG...), vilket gör dem mycket svåra att tillämpa i verkligheten.

Å andra sidan, tillfredsställande prediktiva modeller (AUC>0,7) har stora tidsförutsägelsefönster (1 till 3 år), vilket gör hälsoåtgärder svåra att genomföra.

Så vitt vi vet presenterar ingen publikation ett kort prediktionsfönster (några veckor) baserat på enkla modeller (mindre än 15 variabler med liten medikalisering).

Den medicinska produkten PRESAGE Care gör det möjligt att observera funktionsförändringar som potentiellt kan förebåda stora medicinska händelser och förbättrar avsevärt förutsägelser jämfört med konventionella modeller.

• Vårdgivare fyller i en lättanvänd applikation (mindre än 2 minuter), skapar för att förutsäga risken för en allvarlig händelse (sjukhusinläggning, förlust av autonomi, etc.).
• En varning skickas till slutanvändarna, som är vårdpersonal, för att utlösa en sjukvårdsinsats som i vissa fall kan förhindra att situationen försämras, eller göra det möjligt att hantera den i ett icke-akutsammanhang.

Denna studie är baserad på hypotesen att användningen av PRESAGE CARE-enheten tillsammans med en hälsointervention baserad på befintliga hälsonätverk skulle kunna associeras med en lägre incidens av oplanerad återinläggning, utan skillnad i dödlighet. Denna studie är baserad på hypotesen att enheten kommer att accepteras väl av förmånstagare, deras anhöriga och vårdpersonal (tillfredsställelse > 80%), och att interventionen inte kommer att vara förknippad med en ökning av sjukvårdsutgifterna, eftersom de extra kostnaderna förknippade med Användningen av PRESAGE CARE kommer att kompenseras av minskningen av utgifterna kopplade till undvikna sjukhusvistelser.