实时分析对住院患者不良事件的影响
研究概览
详细说明
住院患者中的不良事件 (AE) 被定义为“导致出院时残疾、死亡或住院时间延长并且由患者基础疾病以外的事件引起的意外伤害或并发症”。 每年,约有 1.1% 的住院患者或 400,000 名患者死于 AE,同时使美国经济损失约 171 亿美元。 加拿大不良事件研究报告称,不良事件占住院人数的 7.5%,其中 37% 的事件被认为是可以预防的。 据报道,包括感染和败血症、心脏和呼吸衰竭以及死亡在内的常见 AE 是在 AE 被诊断前 48 小时内通过可识别的患者生命体征的变化进行的。 在许多情况下,患者生命体征的细微变化已被追溯为 AE 的先兆,可导致计划外入住 ICU 或死亡。
已经开发了许多早期预警系统来帮助护理人员识别生命体征的变化作为 AE 的前兆。 常用的改良早期预警评分 (MEWS) 试图根据患者的生命体征和意识水平来识别急性临床恶化。 MEWS 评分越高,发生 AE 的风险就越大。 然而,MEWS 评分的有效性取决于护理人员记录和评估评分的频率。 尽管在 ICU 内外都会对生命体征进行持续监测,但当护士不在患者房间时,这些数据很少实时提供给他们。 此外,生命体征和 MEWS 评分通常在 24 小时期间(例如 每 4、6、8 或 12 小时)。 如果患者的生理状况在这些预定时间间隔之间恶化,并且护士没有持续陪伴患者,那么就失去了及早识别可能导致 AE 的这种恶化的机会。 监测生命体征在临床实践中的重要性是无可争辩的,但如何最好地监测和解释它们以及应该多久测量一次才能最大限度地减少不良事件仍不清楚。
为了解决文献中的这一空白,项目团队开发了一项创新技术。 Beat Analytics System (BAS) 为护士提供实时监测患者生命体征的功能,并通过手机上的应用程序持续计算患者的 MEWS 评分。 此信息可以数字方式(带有警报的边界条件)和图形方式呈现,以便观察 MEWS 分数随时间的变化。 本研究的目的是检查使用 BAS 为护士提供远程、连续、实时监测患者生命体征和 MEWS 评分对 AE 发生率、ICU 入院率、住院时间和住院时间的影响。在非重症监护病房的患者中启动快速反应小组。 这一目的将通过纵向顺序研究设计来解决,其中每月在两个 20 个床位的非重症监护病房监测结果变量(不良事件、入住 ICU 住院时间和启动快速反应小组) 6 个月没有 BAS。 在为期 6 个月的基线数据收集期之后,将对目标单位的护理人员进行为期一个月的培训,以使用 BAS。 在这个指导月之后,将在为期 6 个月的干预阶段再次测量结果变量,在该阶段,BAS 将可供护理目标单位患者的护士使用,目标单位将持续记录患者的生命体征。
研究类型
联系人和位置
学习地点
-
-
Ohio
-
Toledo、Ohio、美国、43614
- The University of Toledo Medical Center
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
- 入住托莱多大学医学中心 (UTMC) 医院内的两个非重症监护病房之一。
排除标准:
- 无法提供知情同意
学习计划
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
日常护理
在研究的基线和干预阶段,每位入院或转移到目标单位的患者都将由研究人员接洽,作为研究的对象。
患者将被告知总体研究目标,并被要求提供参与的知情同意书。
患者参与研究将包括让研究人员访问并提取从他们的电子健康记录 (EHR) 中收集的相关结果变量(不良事件、入住 ICU、住院时间和快速反应小组的激活)他们住院的时间。
|
|
|
干涉
如果患者在干预阶段表示同意,BAS 技术将被动监测飞利浦生命体征监测仪生成的生命体征,方法是将他们的去识别化生命体征数据转发给 CLU、专有云服务器,随后根据研究发布的 Lumori®主要负责患者护理的 RN 的手机。
患者入院或转移到目标单位将不会被排除在参与研究之外。
|
BAS 包含三个子系统;数据聚合、数据分析和数据呈现。
|
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 |
|---|---|---|
|
不良事件
大体时间:入院期间平均 7 天
|
发生感染或败血症、心脏或呼吸衰竭以及死亡
|
入院期间平均 7 天
|
|
住院时间
大体时间:入院期间平均 7 天
|
受试者入院的天数
|
入院期间平均 7 天
|
|
转移到重症监护病房
大体时间:入院期间平均 7 天
|
将患者转移到重症监护病房
|
入院期间平均 7 天
|
|
RRT激活
大体时间:入院期间平均 7 天
|
启动医院的快速反应小组以支持患者的护理
|
入院期间平均 7 天
|
合作者和调查者
赞助
调查人员
- 首席研究员:Robert Topp, PhD、College of Nursing
出版物和有用的链接
一般刊物
- van Galen LS, Dijkstra CC, Ludikhuize J, Kramer MH, Nanayakkara PW. A Protocolised Once a Day Modified Early Warning Score (MEWS) Measurement Is an Appropriate Screening Tool for Major Adverse Events in a General Hospital Population. PLoS One. 2016 Aug 5;11(8):e0160811. doi: 10.1371/journal.pone.0160811. eCollection 2016.
- Unbeck M, Schildmeijer K, Henriksson P, Jurgensen U, Muren O, Nilsson L, Pukk Harenstam K. Is detection of adverse events affected by record review methodology? an evaluation of the "Harvard Medical Practice Study" method and the "Global Trigger Tool". Patient Saf Surg. 2013 Apr 15;7(1):10. doi: 10.1186/1754-9493-7-10.
- Van Den Bos J, Rustagi K, Gray T, Halford M, Ziemkiewicz E, Shreve J. The $17.1 billion problem: the annual cost of measurable medical errors. Health Aff (Millwood). 2011 Apr;30(4):596-603. doi: 10.1377/hlthaff.2011.0084.
- Lapointe-Shaw L, Bell CM. Measuring the cost of adverse events in hospital. CMAJ. 2019 Aug 12;191(32):E877-E878. doi: 10.1503/cmaj.190912. No abstract available. Erratum In: CMAJ. 2019 Dec 2;191(48):E1340.
- Islam MM, Nasrin T, Walther BA, Wu CC, Yang HC, Li YC. Prediction of sepsis patients using machine learning approach: A meta-analysis. Comput Methods Programs Biomed. 2019 Mar;170:1-9. doi: 10.1016/j.cmpb.2018.12.027. Epub 2018 Dec 26.
- Kim J, Chae M, Chang HJ, Kim YA, Park E. Predicting Cardiac Arrest and Respiratory Failure Using Feasible Artificial Intelligence with Simple Trajectories of Patient Data. J Clin Med. 2019 Aug 29;8(9):1336. doi: 10.3390/jcm8091336.
- Jayasundera R, Neilly M, Smith TO, Myint PK. Are Early Warning Scores Useful Predictors for Mortality and Morbidity in Hospitalised Acutely Unwell Older Patients? A Systematic Review. J Clin Med. 2018 Sep 28;7(10):309. doi: 10.3390/jcm7100309.
- Kause J, Smith G, Prytherch D, Parr M, Flabouris A, Hillman K; Intensive Care Society (UK); Australian and New Zealand Intensive Care Society Clinical Trials Group. A comparison of antecedents to cardiac arrests, deaths and emergency intensive care admissions in Australia and New Zealand, and the United Kingdom--the ACADEMIA study. Resuscitation. 2004 Sep;62(3):275-82. doi: 10.1016/j.resuscitation.2004.05.016.
- Downey CL, Tahir W, Randell R, Brown JM, Jayne DG. Strengths and limitations of early warning scores: A systematic review and narrative synthesis. Int J Nurs Stud. 2017 Nov;76:106-119. doi: 10.1016/j.ijnurstu.2017.09.003. Epub 2017 Sep 13.
- Ludikhuize J, Smorenburg SM, de Rooij SE, de Jonge E. Identification of deteriorating patients on general wards; measurement of vital parameters and potential effectiveness of the Modified Early Warning Score. J Crit Care. 2012 Aug;27(4):424.e7-13. doi: 10.1016/j.jcrc.2012.01.003. Epub 2012 Feb 14.
- Kim WY, Shin YJ, Lee JM, Huh JW, Koh Y, Lim CM, Hong SB. Modified Early Warning Score Changes Prior to Cardiac Arrest in General Wards. PLoS One. 2015 Jun 22;10(6):e0130523. doi: 10.1371/journal.pone.0130523. eCollection 2015.
- Wang AY, Fang CC, Chen SC, Tsai SH, Kao WF. Periarrest Modified Early Warning Score (MEWS) predicts the outcome of in-hospital cardiac arrest. J Formos Med Assoc. 2016 Feb;115(2):76-82. doi: 10.1016/j.jfma.2015.10.016. Epub 2015 Dec 24.
- Brekke IJ, Puntervoll LH, Pedersen PB, Kellett J, Brabrand M. The value of vital sign trends in predicting and monitoring clinical deterioration: A systematic review. PLoS One. 2019 Jan 15;14(1):e0210875. doi: 10.1371/journal.pone.0210875. eCollection 2019.
- Smith GB, Recio-Saucedo A, Griffiths P. The measurement frequency and completeness of vital signs in general hospital wards: An evidence free zone? Int J Nurs Stud. 2017 Sep;74:A1-A4. doi: 10.1016/j.ijnurstu.2017.07.001. Epub 2017 Jul 4. No abstract available.
- Yoder JC, Yuen TC, Churpek MM, Arora VM, Edelson DP. A prospective study of nighttime vital sign monitoring frequency and risk of clinical deterioration. JAMA Intern Med. 2013 Sep 9;173(16):1554-5. doi: 10.1001/jamainternmed.2013.7791. No abstract available.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
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.