Använda Reinforcement Learning för att anpassa elektroniska patientjournalverktyg för att underlätta beskrivande (REINFORCE-EHR)

Det övergripande målet för den föreslagna forskningen är att förfina och anpassa och utföra effektivitetstestning av en ny förstärkningsinlärningsbaserad metod för att personifiera EPJ-baserade verktyg för PCP för att beskriva högriskmediciner för äldre vuxna. Försöket kommer att genomföras på Atrius Health, ett integrerat leveransnätverk i Massachusetts, och kommer att ingripa mot primärvårdsleverantörer. Utredarna kommer att genomföra en randomiserad klusterstudie med hjälp av förstärkningsinlärning för att anpassa verktyg för elektroniska journaler (EHR) för att beskriva högriskmediciner jämfört med vanlig vård. 60 PCP kommer att randomiseras (dvs. 30 vardera till förstärkningsinlärningsinterventionen och vanlig vård [inget EPJ-verktyg] i varje arm) till prövningen och följa dem i cirka 30 veckor. Det primära resultatet kommer att avbrytas eller beställa en dosnedskärning för högriskläkemedel för kvalificerade patienter av inkluderade primärvårdsgivare, med hjälp av EHR-data hos Atrius. Den primära hypotesen är att den personliga interventionen med hjälp av förstärkningsinlärning kommer att förbättra beskrivande jämfört med vanlig vård.