机器学习电子警报管理系统对减少急诊就诊和住院的效果
2023年8月28日 更新者：Presage
电子警报管理系统利用护理人员的观察和机器学习算法减少老年人急诊就诊和意外住院的效果
使用社会工作者的观察和机器学习算法来开发、验证警报管理系统并产生影响，以预测急诊室 (ED) 就诊和计划外住院风险的 7 至 14 天警报。
在患者、在家居住并接受家庭护理助手 (HCA) 援助的 65 岁以上体弱成年人中实施电子家庭护理助手报告结果测量系统的多中心试验。
研究概览
详细说明
每周在家访后，HCA 使用智能手机应用程序报告参与者的功能状态，该应用程序记录了每个参与者的 23 个功能项目（例如站立、移动、进食、情绪、孤独的能力）。 开发了使用机器学习技术（即利用随机森林预测器）的预测系统，并针对急诊室护士就诊的风险生成 7 至 14 天的预测警报。
该问卷重点关注功能和临床自主性（即日常生活活动）、可能的医学症状（例如疲劳、跌倒和疼痛）、行为变化（例如认知和攻击性）以及与医管局或其周围环境的沟通。 该问卷由非常简单易懂的问题组成，可以全面了解个人的状况。 对于 23 个问题中的每一个问题，都要求回答是/否。 HA 记录的数据被实时发送到安全服务器，由我们的机器学习算法进行分析，该算法预测风险级别并将其显示在名为 PRESAGE CARE 的基于网络的安全医疗设备上，该设备具有 CE 标志。 特别是，当算法预测出高风险级别时，会以屏幕上通知的形式向该区医疗保健网络中心的协调护士显示警报。 该风险通知附有从 HA 记录中确定的患者功能状态近期变化的信息，以协助协调护士与家庭护理人员和其他卫生专业人员进行互动。
一旦出现警报，协调护士会致电家庭护理人员，询问患者最近的健康状况变化并消除疑虑，然后根据开始前制定的健康干预模型决定要求进行健康干预。学习。 简而言之，这种警报触发的健康干预（ATHI）包括致电患者的护士（如果患者有护士定期家访）或患者的全科医生，并告知他们患者功能状态的恶化和潜在风险根据电子医疗系统算法，未来几天内急诊就诊或计划外住院的可能性。 该 ATHI 模型已由参与我们研究的地区的 Agences Régionales de Santé 提出并批准
研究类型
介入性
注册 (估计的)
800
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
-
-
-
Le Chesnay、法国、78150
- Grand Versailles
-
Marseille、法国、13011
- Marseille-1
-
-
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
75年 及以上 (年长者)
接受健康志愿者
不
描述
纳入标准：
- 75岁 迷你
- 接受社会工作者的帮助
- 患者应征得同意
- 患者应该在过去 12 个月内看过初级保健专业人员
排除标准：
- 严重依赖者（法国国家文书，根据同组资源 (GIR) 对依赖程度进行分层：1（非常严重依赖）和 2（严重依赖）
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：预防
- 分配：随机化
- 介入模型：并行分配
- 屏蔽：无（打开标签）
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
无干预：控制组
日常护理
|
|
|
实验性的：干涉
PRESAGE Care ATIH + 护士或全科医生咨询
|
该组的参与者将接受 HCA 跟踪，并可能受益于护士健康干预措施
|
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 |
|---|---|---|
|
计划外住院率
大体时间：通过学习完成，平均1年
|
两个随机组（干预组和对照组）的计划外住院率比较。 P 值 <.05 将被视为具有统计显着性。 |
通过学习完成，平均1年
|
|
无事件生存（EFS）
大体时间：通过学习完成，平均1年
|
比较干预组和对照组之间首次不良事件的平均时间。 P 值 <.05 将被视为具有统计显着性。 |
通过学习完成，平均1年
|
|
对老年人及其亲属生活质量的影响（欧洲生活质量五维三线量表）
大体时间：通过学习完成，平均1年
|
干预组与对照组EQ5D-3L生活质量量表（欧洲生活质量5维3线）平均分比较。 P 值 <.05 将被视为具有统计显着性。 |
通过学习完成，平均1年
|
|
成本效益
大体时间：通过学习完成，平均1年
|
增量成本效益比（ICER）、QALY。
每个质量调整生命年 (QALY) 30,000 欧元和每个 QALY 90,000 欧元的支付意愿阈值分别用于定义非常具有成本效益和具有成本效益的策略
|
通过学习完成，平均1年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
对用户的影响：完成调查问卷所需的时间
大体时间：通过学习完成，平均1年
|
完成问卷所需时间（分钟）：少于2分钟的时间视为可接受
|
通过学习完成，平均1年
|
|
干预率
大体时间：通过学习完成，平均1年
|
导致干预的警报部分和干预时间（%）。
超过70%的比率被认为是可以接受的。
|
通过学习完成，平均1年
|
|
干预时间
大体时间：通过学习完成，平均1年
|
警报日与干预日之间持续时间的平均值（以天为单位）。
少于 4 天的延迟被认为是可以接受的。
|
通过学习完成，平均1年
|
|
分析患者状况所需的时间
大体时间：通过学习完成，平均1年
|
分析患者状态所需的时间（小时和分钟）：患者少于 15 分钟的时间将被视为可接受
|
通过学习完成，平均1年
|
|
对护理质量的影响
大体时间：通过学习完成，平均1年
|
对护理质量产生积极或非常积极的影响：超过 80% 的比率被认为是可以接受的。
|
通过学习完成，平均1年
|
|
对专业关系和协调的影响
大体时间：通过学习完成，平均1年
|
对职业关系和协调产生积极或非常积极的影响：超过80%的比率被认为是可以接受的。
|
通过学习完成，平均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
- Iwashyna TJ, Ely EW, Smith DM, Langa KM. Long-term cognitive impairment and functional disability among survivors of severe sepsis. JAMA. 2010 Oct 27;304(16):1787-94. doi: 10.1001/jama.2010.1553.
- Inglis SC, Clark RA, McAlister FA, Ball J, Lewinter C, Cullington D, Stewart S, Cleland JG. Structured telephone support or telemonitoring programmes for patients with chronic heart failure. Cochrane Database Syst Rev. 2010 Aug 4;(8):CD007228. doi: 10.1002/14651858.CD007228.pub2.
- Clerencia-Sierra M, Calderon-Larranaga A, Martinez-Velilla N, Vergara-Mitxeltorena I, Aldaz-Herce P, Poblador-Plou B, Machon-Sobrado M, Egues-Olazabal N, Abellan-van Kan G, Prados-Torres A. Multimorbidity Patterns in Hospitalized Older Patients: Associations among Chronic Diseases and Geriatric Syndromes. PLoS One. 2015 Jul 24;10(7):e0132909. doi: 10.1371/journal.pone.0132909. eCollection 2015.
- Kahn JH, Magauran BG Jr, Olshaker JS, Shankar KN. Current Trends in Geriatric Emergency Medicine. Emerg Med Clin North Am. 2016 Aug;34(3):435-52. doi: 10.1016/j.emc.2016.04.014.
- Gasperini B, Cherubini A, Pierri F, Barbadoro P, Fedecostante M, Prospero E. Potentially preventable visits to the emergency department in older adults: Results from a national survey in Italy. PLoS One. 2017 Dec 21;12(12):e0189925. doi: 10.1371/journal.pone.0189925. eCollection 2017.
- McCusker J, Verdon J. Do geriatric interventions reduce emergency department visits? A systematic review. J Gerontol A Biol Sci Med Sci. 2006 Jan;61(1):53-62. doi: 10.1093/gerona/61.1.53.
- Chen CC, Wang C, Huang GH. Functional trajectory 6 months posthospitalization: a cohort study of older hospitalized patients in Taiwan. Nurs Res. 2008 Mar-Apr;57(2):93-100. doi: 10.1097/01.NNR.0000313485.18670.e2.
- Camargo CA Jr, Tsai CL, Sullivan AF, Cleary PD, Gordon JA, Guadagnoli E, Kaushal R, Magid DJ, Rao SR, Blumenthal D. Safety climate and medical errors in 62 US emergency departments. Ann Emerg Med. 2012 Nov;60(5):555-563.e20. doi: 10.1016/j.annemergmed.2012.02.018.
- Crane SJ, Tung EE, Hanson GJ, Cha S, Chaudhry R, Takahashi PY. Use of an electronic administrative database to identify older community dwelling adults at high-risk for hospitalization or emergency department visits: the elders risk assessment index. BMC Health Serv Res. 2010 Dec 13;10:338. doi: 10.1186/1472-6963-10-338.
- Hu Z, Jin B, Shin AY, Zhu C, Zhao Y, Hao S, Zheng L, Fu C, Wen Q, Ji J, Li Z, Wang Y, Zheng X, Dai D, Culver DS, Alfreds ST, Rogow T, Stearns F, Sylvester KG, Widen E, Ling XB. Real-time web-based assessment of total population risk of future emergency department utilization: statewide prospective active case finding study. Interact J Med Res. 2015 Jan 13;4(1):e2. doi: 10.2196/ijmr.4022.
- Takahashi PY, Heien HC, Sangaralingham LR, Shah ND, Naessens JM. Enhanced risk prediction model for emergency department use and hospitalizations in patients in a primary care medical home. Am J Manag Care. 2016 Jul;22(7):475-83.
- Denis F, Krakowski I. How Should Oncologists Choose an Electronic Patient-Reported Outcome System for Remote Monitoring of Patients With Cancer? J Med Internet Res. 2021 Sep 9;23(9):e30549. doi: 10.2196/30549.
- Bouazza YB, Chiairi I, El Kharbouchi O, De Backer L, Vanhoutte G, Janssens A, Van Meerbeeck JP. Patient-reported outcome measures (PROMs) in the management of lung cancer: A systematic review. Lung Cancer. 2017 Nov;113:140-151. doi: 10.1016/j.lungcan.2017.09.011. Epub 2017 Sep 23.
- Schick-Makaroff K, Karimi-Dehkordi M, Cuthbertson L, Dixon D, Cohen SR, Hilliard N, Sawatzky R. Using Patient- and Family-Reported Outcome and Experience Measures Across Transitions of Care for Frail Older Adults Living at Home: A Meta-Narrative Synthesis. Gerontologist. 2021 Apr 3;61(3):e23-e38. doi: 10.1093/geront/gnz162.
- Veyron JH, Friocourt P, Jeanjean O, Luquel L, Bonifas N, Denis F, Belmin J. Home care aides' observations and machine learning algorithms for the prediction of visits to emergency departments by older community-dwelling individuals receiving home care assistance: A proof of concept study. PLoS One. 2019 Aug 13;14(8):e0220002. doi: 10.1371/journal.pone.0220002. eCollection 2019.
- Huntley AL, Chalder M, Shaw ARG, Hollingworth W, Metcalfe C, Benger JR, Purdy S. A systematic review to identify and assess the effectiveness of alternatives for people over the age of 65 who are at risk of potentially avoidable hospital admission. BMJ Open. 2017 Aug 1;7(7):e016236. doi: 10.1136/bmjopen-2017-016236.
- Seibert K, Domhoff D, Bruch D, Schulte-Althoff M, Furstenau D, Biessmann F, Wolf-Ostermann K. Application Scenarios for Artificial Intelligence in Nursing Care: Rapid Review. J Med Internet Res. 2021 Nov 29;23(11):e26522. doi: 10.2196/26522.
- Gray JT, Walker A. Avoiding admissions from the ambulance service: a review of elderly patients with falls and patients with breathing difficulties seen by emergency care practitioners in South Yorkshire. Emerg Med J. 2008 Mar;25(3):168-71. doi: 10.1136/emj.2007.050732.
- Mason S, O'Keeffe C, Knowles E, Bradburn M, Campbell M, Coleman P, Stride C, O'Hara R, Rick J, Patterson M. A pragmatic quasi-experimental multi-site community intervention trial evaluating the impact of Emergency Care Practitioners in different UK health settings on patient pathways (NEECaP Trial). Emerg Med J. 2012 Jan;29(1):47-53. doi: 10.1136/emj.2010.103572.
- Mason S, Knowles E, Colwell B, Dixon S, Wardrope J, Gorringe R, Snooks H, Perrin J, Nicholl J. Effectiveness of paramedic practitioners in attending 999 calls from elderly people in the community: cluster randomised controlled trial. BMJ. 2007 Nov 3;335(7626):919. doi: 10.1136/bmj.39343.649097.55. Epub 2007 Oct 4.
- Soril LJ, Leggett LE, Lorenzetti DL, Noseworthy TW, Clement FM. Reducing frequent visits to the emergency department: a systematic review of interventions. PLoS One. 2015 Apr 13;10(4):e0123660. doi: 10.1371/journal.pone.0123660. eCollection 2015.
- Belmin J, Auffray JC, Berbezier C, Boirin P, Mercier S, de Reviers B, Golmard JL. Level of dependency: a simple marker associated with mortality during the 2003 heatwave among French dependent elderly people living in the community or in institutions. Age Ageing. 2007 May;36(3):298-303. doi: 10.1093/ageing/afm026. Epub 2007 Mar 24.
- O'Connell S, Palmer R, Withers K, Saha N, Puntoni S, Carolan-Rees G; PROMs, PREMs and Effectiveness Programme. Requirements for the collection of electronic PROMS either "in clinic" or "at home" as part of the PROMs, PREMs and Effectiveness Programme (PPEP) in Wales: a feasibility study using a generic PROM tool. Pilot Feasibility Stud. 2018 Jul 4;4:90. doi: 10.1186/s40814-018-0282-8. eCollection 2018.
- Duncanson E, Bennett PN, Viecelli A, Dansie K, Handke W, Tong A, Palmer S, Jesudason S, McDonald SP, Morton RL; Symptom monitoring WIth Feedback Trial (SWIFT) Investigators. Feasibility and acceptability of e-PROMs data capture and feedback among patients receiving haemodialysis in the Symptom monitoring WIth Feedback Trial (SWIFT) pilot: protocol for a qualitative study in Australia. BMJ Open. 2020 Nov 6;10(11):e039014. doi: 10.1136/bmjopen-2020-039014.
- Anderson KO, Palos GR, Mendoza TR, Cleeland CS, Liao KP, Fisch MJ, Garcia-Gonzalez A, Rieber AG, Nazario LA, Valero V, Hahn KM, Person CL, Payne R. Automated pain intervention for underserved minority women with breast cancer. Cancer. 2015 Jun 1;121(11):1882-90. doi: 10.1002/cncr.29204. Epub 2015 Feb 24.
- Adam R, Burton CD, Bond CM, de Bruin M, Murchie P. Can patient-reported measurements of pain be used to improve cancer pain management? A systematic review and meta-analysis. BMJ Support Palliat Care. 2017 Dec;7(4):0. doi: 10.1136/bmjspcare-2016-001137. Epub 2016 Nov 22.
- Mooney KH, Beck SL, Friedman RH, Farzanfar R, Wong B. Automated monitoring of symptoms during ambulatory chemotherapy and oncology providers' use of the information: a randomized controlled clinical trial. Support Care Cancer. 2014 Sep;22(9):2343-50. doi: 10.1007/s00520-014-2216-1. Epub 2014 Apr 1.
- Vasey B, Ursprung S, Beddoe B, Taylor EH, Marlow N, Bilbro N, Watkinson P, McCulloch P. Association of Clinician Diagnostic Performance With Machine Learning-Based Decision Support Systems: A Systematic Review. JAMA Netw Open. 2021 Mar 1;4(3):e211276. doi: 10.1001/jamanetworkopen.2021.1276.
- Adler-Milstein J, Chen JH, Dhaliwal G. Next-Generation Artificial Intelligence for Diagnosis: From Predicting Diagnostic Labels to "Wayfinding". JAMA. 2021 Dec 28;326(24):2467-2468. doi: 10.1001/jama.2021.22396. No abstract available.
- Barrachina-Fernandez M, Maitin AM, Sanchez-Avila C, Romero JP. Wearable Technology to Detect Motor Fluctuations in Parkinson's Disease Patients: Current State and Challenges. Sensors (Basel). 2021 Jun 18;21(12):4188. doi: 10.3390/s21124188.
- Khalil H, Bell B, Chambers H, Sheikh A, Avery AJ. Professional, structural and organisational interventions in primary care for reducing medication errors. Cochrane Database Syst Rev. 2017 Oct 4;10(10):CD003942. doi: 10.1002/14651858.CD003942.pub3.
- Beaudouin, Valérie and Bloch, Isabelle and Bounie, David and Bounie, David and Clémençon, Stéphan and d'Alché-Buc, Florence and Eagan, James and Maxwell, Winston and Mozharovskyi, Pavlo and Parekh, Jayneel, Flexible and Context-Specific AI Explainability: A Multidisciplinary Approach (March 23, 2020). Available at SSRN: https://ssrn.com/abstract=3559477 or http://dx.doi.org/10.2139/ssrn.3559477
- Belmin J, Villani P, Gay M, Fabries S, Havreng-Thery C, Malvoisin S, Denis F, Veyron JH. Real-world Implementation of an eHealth System Based on Artificial Intelligence Designed to Predict and Reduce Emergency Department Visits by Older Adults: Pragmatic Trial. J Med Internet Res. 2022 Sep 8;24(9):e40387. doi: 10.2196/40387.
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)
2020年9月1日
初级完成 (实际的)
2021年12月31日
研究完成 (估计的)
2024年6月30日
研究注册日期
首次提交
2022年1月7日
首先提交符合 QC 标准的
2022年1月21日
首次发布 (实际的)
2022年2月3日
研究记录更新
最后更新发布 (实际的)
2023年8月30日
上次提交的符合 QC 标准的更新
2023年8月28日
最后验证
2023年8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.