学习急性肾损伤警报

急性肾损伤 (AKI) 在住院患者中具有显着的独立死亡风险，但尽管 AKI 与临床结果不佳相关，但它是无症状的并且经常被临床医生忽视，只有不到一半的 AKI 患者有该综合征的记录电子病历，这与 AKI 临床最佳实践的降低率有关。

我们的研究小组最近在 2018 年至 2020 年整个耶鲁大学纽黑文卫生系统 (ELAIA-1) 中进行了一项针对 AKI 电子警报的大规模多中心随机对照试验。 我们的研究表明，总体而言，提醒医生 AKI 的存在并没有证明我们的 AKI 进展、透析或死亡的主要结果发生率有差异，尽管警告会导致一些护理过程发生变化，例如测量肌酐和尿液分析。 然而，研究地点之间存在很大的异质性。 无效警报系统的激增会导致警报疲劳现象，即提供者往往会在高警报环境中忽略警报，并对患者护理产生有害影响。 此外，鉴于 AKI 的高度异质性，可能需要一种更加个性化的 AKI 警报方法。

市场营销中常用的提升模型是医学领域的一个新概念，旨在确定预测对给定干预的反应（益处或危害）的表型特征。 通过这种方式，可以确定并优先针对预计将从干预中获益最多的患者。 警报系统的提升建模有可能通过智能定位提高警报有效性，并减少警报疲劳。

在这项研究中，我们将扩展我们之前的 AKI 警报试验，以前瞻性地确定使用提升模型优先针对预期受益于 AKI 警报的患者是否会降低 AKI 住院患者的 AKI 进展率、透析率和死亡率。 根据肾脏疾病：改善全球预后 (KDIGO) 肌酐标准，YNHH 系统内 4 家教学医院患有 AKI 的住院患者将被随机分配到“推荐”组（按照建议，得分较高的人会收到警报，而得分较低的人不会收到警报) 与“反推荐”组（分数较高的人未收到警报，分数较低的人收到警报作为反推荐）。 主要结果将是随机分组后 14 天内 AKI 进展、透析或死亡率的综合结果。 次要结果将侧重于特定于 AKI 的过程测量。