预测分析和计算机可视化可增强患者安全，防止跌倒
预测分析与计算机可视化相结合可增强患者安全并减轻护士预防跌倒的负担
研究概览
详细说明
为了减少医院环境中的跌倒事件，在之前的护理跌倒研究以及 MFS 和 Fall TIPS 计划的基础上，MGH 开发了一种决策支持算法，用于识别临床因素发生的变化，以提醒护士需要进行调整跌倒预防干预措施。 MGH 护理部门随后与 RGI Informatics 合作，在一个临床普通护理病房部署了 MGH 算法。 RGI 软件使用 Epic 的 MGH 算法实时传输 EHR 数据来识别跌倒风险可能增加的患者，并通过医院发放的手机上的警报为护士提供临床决策支持。 初步结果证明了该方法的可行性，并且在 11 个月内，跌倒受伤率显着降低（p <0.01）。
在第二个普通住院病房开展的相互排斥的前期工作，包括计算机化的患者可视化系统，也减少了跌倒的发生。 两种技术的结合使用可能会产生协同效应，从而进一步降低急症护理环境中跌倒的发生率。 迄今为止，还没有通过同时测试这两种技术来评估患者结果的证据。 因此，本研究的目的是确定三种不同的跌倒预防干预措施（仅 RGI/MGH 算法、仅 Inspiren 以及 RGI/MGH 算法和 Inspiren 组合）对有跌倒风险的患者以及跌倒受伤的三名成人普通患者的影响大型学术医疗中心的护理单位。
我们提出的解决方案是唯一已知的策略，可以从多个来源提取和合成生理和物理数据，以创建与跌倒风险相关的患者安全状况的维度视图。 及时的警报将告知护士患者的跌倒风险、风险原因以及他们有关跌倒预防策略的临床决策。 该初步提案主要针对有跌倒风险的患者，我们相信这种创新方法适用于解决其他关键安全问题，例如压力性损伤和导管相关的尿路感染。 下面提供了有关 RGI Analytics 和 Inspiren 的详细信息。
方法：将进行一项观察性队列、混合方法研究设计，以确定常规护理和三种不同的跌倒预防策略的影响和有效性，这些策略超过了麻省总医院三个住院病房一年内的护理标准。 第 1 单元将仅使用流分析和 MGH 算法，第 2 单元将仅使用 Inspiren 的 AUGI 计算机可视化，第 3 单元将使用组合的流分析/MGH 算法和 Inspiren 的 AUGI 设备。 第 4 单元（控制单元）将作为同一机构的内部比较组。 除了研究干预措施外，所有四个科室将继续维持通常的 MGH 循证实践和预防跌倒的护理标准。目前为该研究收集的患者、科室和护士人口统计数据可以从现有来源获取或计算。 来源包括 PCS 数据仓库中存储的 ADT、PCS 财务、敏锐度和质量数据。 病房患者的总体人口统计数据将包括年龄、性别和种族。 护士人口统计数据将包括全职同等人数、护士经验年数、麻省总医院经验年数以及最高教育水平。 科室数据将包括患者入院计数、患者天数、住院时间、护理敏锐度、按性别、年龄、种族、族裔划分的患者类型、科室跌倒次数和科室跌倒受伤次数以及护士人员配置指标。 将使用手机警报的实时反馈（有用/无用）、护士反馈和季度调查来衡量护士对三个干预单元与干预措施的看法。 跌倒预防效率量表（Dykes 等人，2021 年）是经过同行评审的 13 项工具，重点关注四个关键领域：节省时间、不浪费时间、值得花时间以及有助于预防跌倒。 调查问题将根据本研究的需要进行调整，并将通过 REDCap 进行管理，REDCap 是一款哈佛 Catalyst 安全网络应用程序，用于管理在线调查工具。
研究问题
- 在急性护理、住院医院环境中，跌倒和伤害性跌倒的发生率是否存在差异，比较了在护理点提醒护士患者跌倒风险变化的三种不同方法，同时保持所有其他现行标准跌倒预防护理并在研究期间添加这些新标准：（1）使用流分析和跌倒风险算法来提醒护士跌倒风险的变化，（2）计算机可视化和人工智能对患者运动的解释，以及（ 3）两种技术的结合？
护士对以下方面有何看法：
- 为帮助识别增加的跌倒风险而实施的三项研究技术的影响。
- 减少护士评估跌倒风险的负担，并建议采取额外的干预措施来预防跌倒。
研究目的：
- 比较单位内部、单位之间以及一个控制单位（所有四个单位均使用相同的常用护理标准）的三项跌倒预防创新对跌倒和受伤跌倒的影响。
- 通过护士调查、对警报的响应和焦点小组，确定跌倒预防创新和警报对临床决策支持和护士负担的感知有效性。
研究类型
注册 (实际的)
阶段
- 不适用
联系人和位置
学习地点
-
-
Massachusetts
-
Boston、Massachusetts、美国、02114
- Massachusetts General Hospital
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
描述
纳入标准：
进入研究单位的成年内科患者。 在研究单位工作的所有护士。
排除标准：
- 没有任何
学习计划
研究是如何设计的？
设计细节
- 主要用途：支持治疗
- 分配：非随机化
- 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 |
|---|---|
|
实验性的：单元1
常规护理和实时流媒体电子健康记录驱动的算法会提醒护士跌倒风险可能增加，以审查现有的干预措施。
|
算法使用有关护理变化的基于证据的电子健康记录信息，向护士实时生成跌倒预防警报，这些信息可能表明需要额外的跌倒预防策略
其他名称：
|
|
实验性的：单元2
常规护理和计算机摄像头可视化可以检测并预测有跌倒风险的患者的运动情况，并提醒护士有跌倒风险的可能性。
|
当患者跌倒风险发生变化时，Inspiren 计算机摄像头可视化是护士可以采用的附加策略。
其他名称：
|
|
实验性的：第三单元
常规护理和实时流媒体电子健康记录驱动的算法会提醒护士跌倒风险可能增加，以审查现有的干预措施。
计算机摄像头可视化可检测并预测有跌倒风险的患者的运动情况，并提醒护士有跌倒风险的可能性。
|
算法使用有关护理变化的基于证据的电子健康记录信息，向护士实时生成跌倒预防警报，这些信息可能表明需要额外的跌倒预防策略
其他名称：
当患者跌倒风险发生变化时，Inspiren 计算机摄像头可视化是护士可以采用的附加策略。
其他名称：
|
|
无干预：第4单元
对照组，不进行干预，进行常规护理。
|
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 |
|---|---|---|
|
Fall patient
大体时间：Measured monthly/quarterly over one year
|
Rate of patient falls per 1000 patient days, National Database Nurse Sensitive Indicators
|
Measured monthly/quarterly over one year
|
|
Fall injury
大体时间：Measured monthly/quarterly over one year
|
Rate of falls with injury per 1000 patient days, National Database Nurse Sensitive Indicators
|
Measured monthly/quarterly over one year
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
Nurse perceptions
大体时间：three, six, and 12 months
|
Questionnaire of Nurse perceptions of fall prevention strategies
|
three, six, and 12 months
|
|
Nurse perceptions
大体时间：three, six, and twelve months
|
Focus groups of nurse perceptions
|
three, six, and twelve months
|
合作者和调查者
合作者
调查人员
- 首席研究员：Colleen K Snydeman, PhD、Massachusetts General Hospital
出版物和有用的链接
一般刊物
- 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.
- Dykes PC, Carroll DL, Hurley A, Lipsitz S, Benoit A, Chang F, Meltzer S, Tsurikova R, Zuyov L, Middleton B. Fall prevention in acute care hospitals: a randomized trial. JAMA. 2010 Nov 3;304(17):1912-8. doi: 10.1001/jama.2010.1567.
- Morse, JM, Morse R.M., Tylko, S.J. (1989). Development of a scale to identify the fall-prone patient. Can J Aging, 8:366-7.
- Fehlberg EA, Cook CL, Bjarnadottir RI, McDaniel AM, Shorr RI, Lucero RJ. Fall Prevention Decision Making of Acute Care Registered Nurses. J Nurs Adm. 2020 Sep;50(9):442-448. doi: 10.1097/NNA.0000000000000914.
- Dykes PC, Burns Z, Adelman J, Benneyan J, Bogaisky M, Carter E, Ergai A, Lindros ME, Lipsitz SR, Scanlan M, Shaykevich S, Bates DW. Evaluation of a Patient-Centered Fall-Prevention Tool Kit to Reduce Falls and Injuries: A Nonrandomized Controlled Trial. JAMA Netw Open. 2020 Nov 2;3(11):e2025889. doi: 10.1001/jamanetworkopen.2020.25889.
- Costantinou E, Spencer JA. Analysis of Inpatient Hospital Falls with Serious Injury. Clin Nurs Res. 2021 May;30(4):482-493. doi: 10.1177/1054773820973406. Epub 2020 Nov 16.
- Pierce JR Jr, Shirley M, Johnson EF, Kang H. Narcotic administration and fall-related injury in the hospital: implications for patient safety programs and providers. Int J Risk Saf Med. 2013;25(4):229-34. doi: 10.3233/JRS-130603.
- Quigley PA, Hahm B, Collazo S, Gibson W, Janzen S, Powell-Cope G, Rice F, Sarduy I, Tyndall K, White SV. Reducing serious injury from falls in two veterans' hospital medical-surgical units. J Nurs Care Qual. 2009 Jan-Mar;24(1):33-41. doi: 10.1097/NCQ.0b013e31818f528e.
- Zhao YL, Bott M, He J, Kim H, Park SH, Dunton N. Evidence on Fall and Injurious Fall Prevention Interventions in Acute Care Hospitals. J Nurs Adm. 2019 Feb;49(2):86-92. doi: 10.1097/NNA.0000000000000715.
- Dykes PC, Khasnabish S, Adkison LE, Bates DW, Bogaisky M, Burns Z, Carroll DL, Carter E, Hurley AC, Jackson E, Kurian SS, Lindros ME, Ryan V, Scanlan M, Spivack L, Walsh MA, Adelman J. Use of a perceived efficacy tool to evaluate the FallTIPS program. J Am Geriatr Soc. 2021 Dec;69(12):3595-3601. doi: 10.1111/jgs.17436. Epub 2021 Aug 30.
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
与本研究相关的术语
其他研究编号
- 2023p003637
计划个人参与者数据 (IPD)
计划共享个人参与者数据 (IPD)？
IPD 计划说明
药物和器械信息、研究文件
研究美国 FDA 监管的药品
研究美国 FDA 监管的设备产品
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.
防跌倒算法的临床试验
-
Medtronic Cardiac Rhythm and Heart Failure完全的
-
UConn HealthUniversity of Texas at Austin; Oregon Social Learning Center主动，不招人