此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

通过维护 EHR 中的准确问题来提高质量 (IQ-MAPLE)

2023年2月6日 更新者:Adam Wright、Brigham and Women's Hospital

通过维护电子健康记录中的准确问题来提高质量

IQ-MAPLE 项目的总体目标是通过促进更准确和完整的问题列表文档,提高为患有多种心脏、肺和血液疾病的患者提供的护理质量。 在第一个目标中,研究人员将设计和验证一系列问题推理算法,对电子健康记录 (EHR) 中的结构化数据使用基于规则的技术,对非结构化数据使用自然语言处理。 这两种技术都将产生患者可能存在的候选问题,并将结果整合在一起。 在目标 2 中,研究人员将在四个研究地点的 EHR 中设计临床决策支持干预措施,以在检测到患者问题列表中遗漏的候选问题时提醒医生——然后临床医生将能够接受警报并添加问题、覆盖警报或完全忽略它。 在目标 3 中,研究人员将进行一项随机试验,并评估问题列表警报对三个端点的影响:警报接受度、问题列表添加率和临床质量。

研究概览

详细说明

临床问题清单是问题导向病历的基石。 问题列表在整个临床护理过程中以多​​种方式使用。 除了供临床医生使用外,问题列表对于决策支持和质量测量也很重要。

问题列表中存在空白的患者面临重大风险。 例如,如果一名假设的患者有适当的糖尿病记录,他的临床医生将收到适当的警报和提醒以指导护理。 此外,患者可能会被纳入特殊护理管理计划,并且会衡量和跟踪向他提供的护理质量。 如果他的问题清单上没有糖尿病,他可能无法获得这些好处。

在这项研究中,研究人员开发了一种临床决策支持干预措施,可以识别存在问题列表差距的患者。 调查人员将提醒供应商这些可能存在的差距,并为供应商提供纠正这些差距的机会。

在第一个目标中,研究人员将设计和验证一系列问题推理算法,对电子健康记录 (EHR) 中的结构化数据使用基于规则的技术,对非结构化数据使用自然语言处理。 这两种技术都将产生患者可能存在的候选问题,并将结果整合在一起。 在目标 2 中,研究人员将在四个研究地点的 EHR 中设计临床决策支持干预措施,以在检测到患者问题列表中遗漏的候选问题时提醒医生——然后临床医生将能够接受警报并添加问题、覆盖警报或完全忽略它。 在目标 3 中,研究人员将进行一项随机试验,并评估问题列表警报对三个端点的影响:警报接受度、问题列表添加率和临床质量。

研究类型

介入性

注册 (实际的)

2386

阶段

  • 不适用

联系人和位置

本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。

学习地点

    • Massachusetts
      • Boston、Massachusetts、美国、02115
        • Brigham and Women's Hospital
    • Oregon
      • Portland、Oregon、美国、97239
        • Oregon Health and Science University
    • Pennsylvania
      • Camp Hill、Pennsylvania、美国、17011
        • Holy Spirit Hospital
    • Tennessee
      • Nashville、Tennessee、美国、37235
        • Vanderbilt University Medical Center

参与标准

研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

18年 及以上 (成人、OLDER_ADULT)

接受健康志愿者

是的

有资格学习的性别

全部

描述

纳入标准:

  • 在观察干预的特定地点使用电子健康记录的所有 18 岁以上的提供者。

排除标准:

-

学习计划

本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。

研究是如何设计的?

设计细节

  • 主要用途:其他
  • 分配:随机化
  • 介入模型:平行线
  • 屏蔽:单身的

武器和干预

参与者组/臂
干预/治疗
NO_INTERVENTION:EHR的正常使用
站点将配置他们的 EHR 系统,以便如果患者没有在她/他的问题列表上的情况,则不会为控制臂中的提供者触发警报。
实验性的:干预臂
站点将配置他们的 EHR 系统,以便如果患者没有出现在她/他的问题列表中的情况,则会为干预组的提供者触发这些情况的警报。 每个警报都是可操作的,并允许提供者通过单击将问题添加到她或他的患者的问题列表中。 提供者还可以推翻患者没有这种情况的规则(在这种情况下,将不会再次显示警报,除非将触发警报的新信息添加到患者的记录中),或者将警报推迟到之后。
站点将配置他们的 EHR 系统,以便如果患者没有出现在她/他的问题列表中的情况,则会为干预组的提供者触发这些情况的警报。 每个警报都是可操作的,并允许提供者通过单击将问题添加到她或他的患者的问题列表中。 提供者还可以推翻患者没有这种情况的规则(在这种情况下,将不会再次显示警报,除非将触发警报的新信息添加到患者的记录中),或者将警报推迟到之后。

研究衡量的是什么?

主要结果指标

结果测量
措施说明
大体时间
测量警报的接受率,计算方法为每个警报的接受次数除以警报的唯一呈现总数
大体时间:通过学习完成,或长达 1 年

接受警报:

第一个端点是描述性的:提供给提供商的警报的接受率。 这将通过获取每个警报的接受总数并将其除以警报的总数或唯一呈现来计算。 我们将进行分层分析,以查看按机构、专业、疾病和提供者人口统计特征划分的接受率差异,并将以表格形式报告结果。

通过学习完成,或长达 1 年
通过比较电子健康记录中添加到问题列表中的研究相关问题的数量来确定问题列表完成的效果
大体时间:通过学习完成,或长达 1 年

对问题列表完成率的影响:

在此终点中,我们将比较干预组和对照组在电子健康记录中添加到患者问题列表中的研究相关问题的数量。

通过学习完成,或长达 1 年
根据 NCQA 的 HEDIS 2013 测量集的 4 个结果测量确定将建议问题添加到问题列表中对护理质量的影响
大体时间:通过学习完成,或长达 1 年

对护理质量的影响:

因为我们研究的一个关键目标是改善临床结果,所以我们从 NCQA 的医疗保健有效性数据和信息集 (HEDIS) 2013 测量集中选择了四种结果测量来评估:有心肌梗死病史的患者的低密度脂蛋白控制,患者的低密度脂蛋白控制与冠状动脉疾病、冠状动脉疾病患者的血压控制和高血压患者的血压控制。 HEDIS 手册中给出了每项措施的分子和分母的详细信息,我们的研究团队将采用 NCQA 的程序来计算每项措施,并根据我们数据集的临床性质进行必要的修改。

通过学习完成,或长达 1 年

次要结果测量

结果测量
措施说明
大体时间
使用来自 CMS、NHLBI 和 NQMC 的每个研究条件的关键过程测量来评估过程测量
大体时间:通过学习完成,或长达 1 年
过程测量的改进 为了完成第三个结果中的临床终点,我们还将评估过程测量,特别是低密度脂蛋白检测的频率、抗高血脂药物的处方、阿司匹林或其他抗血小板药物的处方以及抗高血压药物的处方。 我们将使用具有固定效应的逻辑回归对干预组(相对于对照组)和地点进行分析,并使用广义估计方程 (GEE) 估计回归参数,考虑同一医生的患者以及不同治疗的患者之间的聚类同一对中的医生。 我们将为每个质量指标建立单独的回归模型,并进行汇总分析,其中包括对质量指标的额外影响和现场相关指标的 CDS 可用性,以估计 IQ-MAPLE 对质量的影响程度。由 CDS 介导。
通过学习完成,或长达 1 年

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

出版物和有用的链接

负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。

一般刊物

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2016年4月1日

初级完成 (实际的)

2018年3月1日

研究注册日期

首次提交

2015年10月19日

首先提交符合 QC 标准的

2015年11月2日

首次发布 (估计)

2015年11月4日

研究记录更新

最后更新发布 (实际的)

2023年2月8日

上次提交的符合 QC 标准的更新

2023年2月6日

最后验证

2023年2月1日

更多信息

此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.

问题清单建议的临床试验

3
订阅