实时警报相关的较低的死亡率

一个复杂的系统,对住院病人分析电子数据,识别这些恶化的风险,和问题警报集中团队受过专门训练的护士导致较低的死亡率,凯撒医疗机构的研究人员发现。

预先警报监控的评价,或麦,用于21 Kaiser Permanente加州北部医院、发表的新英格兰医学杂志》上。

这项研究描述了交错的结果部署Kaiser Permanente医院在加州北部2016年8月和2019年2月之间。作者比较了结果15487患者达到报警阈值和28462比较患者会触发警报如果系统一直活跃。分析发现死亡率降低16%患者在干预组。

“拯救生命,提前预警监测表明,可以将预测模型集成到日常操作在我们的医疗中心,”主要作者Gabriel Escobar说,医学博士,研究科学家的Kaiser Permanente部门研究和Kaiser Permanente加州北部区域主任医院行动研究。

麦预测住院病人的概率可能会下降,需要转移到重症监护室或紧急复苏,并受益于干预措施。早期预警可能有利于患者在恶化的风险早期干预可以改善的结果。

“预测分析和机器学习是解锁新领域的使用复杂的病人数据实时改进我们的保健。他们增加我们的临床医生的做法,发现信号隐藏在电子健康记录,”合著者文森特·刘说,女士,练习intensivist和分工的研究科学家研究,和Kaiser Permanente加州北部区域主任医院先进的分析。

预测模型使用算法创建从机器学习和数据来自150万多个病人。它雇佣severity-of-illness和纵向合并症分数,生命体征和生命体征趋势、神经状态检查,和实验室测试。

警报系统扫描医院的电子健康记录每小时。如果病人的得分高于阈值,表明重大风险的下降在接下来的12个小时,会发出警报。这个警告是由一个地区初步审核团队受过专门训练的注册护士评估警报使用信息从病人的医疗记录来确定现场干预是必要的。医院的护士联系快速反应小组单位,然后执行一个结构化的评估和处理病人的医生决定进一步行动。

系统测试,2013年推出了所有21 Kaiser Permanente加州北部医院2016年至2019年之间。本研究患者相比,没有麦,发现相关的系统更好的结果在30天的警报。

干预组患者ICU住院率较低(17.7%和20.9%),医院住院时间短(6.7天与7.5天),30天内和低死亡率的警报(15.8%和20.4%)。患者一个麦警告也没有缓和医疗转诊不容易死。改进的结果不仅导致从电子工具,最近的一份报告上麦的实现的结论,但也从系统集成、工作流开发,和医生之间的密切合作,护士和其他医护人员。

警报是医院和事实上层出不穷的给护士带来“警惕疲劳”,但麦系统在很多方面不同于其他警报系统,Escobar说。它有一个强大的分析引擎考虑很多病人状态的因素。它是自动的,所以它不需要手动计算由医护人员风险。,重要的是,警报是由受过训练的护士策划线下,所以床边护理人员没有得到不必要的干扰。

“预先警报监控程序是一个很好的例子,如何结合高科技和贴身照顾住院病人,”Stephen Parodi说,医学博士,国家传染病Kaiser Permanente的铅。“这项研究的结果支持干预采用先进的数据分析和一流的专业护理人员的判断来确定患者需要立即关注。”

---

---