एपिक के डिटेरियोरेशन अलर्ट्स का अस्पताल मृत्यु दर में कमी से संबंध

एक व्यापक रूप से तैनात अस्पताल भविष्यवाणी मॉडल को महत्वपूर्ण देखभाल टीमों के लिए स्वचालित पेजिंग से जोड़ने से अस्पताल में मृत्यु के जोखिम-Adjusted ऑड्स में 18% की कमी हुई, 23,132 उच्च-जोखिम वाले रोगियों के एक अध्ययन के अनुसार एनईजेएम एआई में 29 जुलाई, 2026 को प्रकाशित। रटगर्स रॉबर्ट वुड जॉनसन मेडिकल स्कूल और आरडब्ल्यूबार्नाबास हेल्थ के शोधकर्ताओं ने 11 न्यू जर्सी अस्पतालों में रोलआउट को ट्रैक किया, एक अकादमिक चिकित्सा केंद्र से लेकर सामुदायिक गैर-शिक्षण सुविधाओं तक।

मॉडल एपिक डिटेरियोरेशन इंडेक्स है, एक प्रोप्राइटरी मशीन-लर्निंग स्कोर जो एपिक अपने इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड के अंदर शिप करता है। यह चार्ट में पहले से मौजूद महत्वपूर्ण संकेतों, प्रयोगशाला परिणामों, नर्सिंग मूल्यांकन और आयु को पढ़ता है और 0 से 100 के पैमाने पर एक जोखिम संख्या लौटाता है, जो स्वास्थ्य प्रणाली के स्वयं की घोषणा के अनुसार हर 15 मिनट में पुनः गणना की जाती है। आरडब्ल्यूबार्नाबास ने जो बदलाव किया वह मार्ग था: एक बार जब एक रोगी उच्चतम-जोखिम थ्रेशोल्ड को पार कर गया, तो रिकॉर्ड सीधे अस्पताल की तेजी से प्रतिक्रिया टीम को सूचित किया।

संख्याएं क्या दिखाती हैं

टीम ने एक क्वазी-प्रायोगिक, स्टेगर्ड प्री- बनाम पोस्ट-इम्प्लीमेंटेशन तुलना चलाई, एक यादृच्छिक परीक्षण के बजाय। यह 1 अक्टूबर, 2022 और 30 अगस्त, 2024 के बीच 60 या उससे अधिक पर इंडेक्स स्कोर वाले वयस्क चिकित्सा-शल्य चिकित्सा प्रवेशों को कवर किया: 10,803 रोगी बदलाव से पहले और 12,329 बाद में, जिनकी औसत आयु 71.9 वर्ष थी। लगभग 47% पोस्ट-इम्प्लीमेंटेशन मुठभेड़ों ने प्रतिक्रिया टीम को एक पेज जनरेट किया, हालांकि हर पेज एक सक्रियण का उत्पादन नहीं किया।

इन रोगियों के बीच तेजी से प्रतिक्रिया सक्रियकरण 25.3% से 37.5% तक अस्पताल प्रवास में बढ़ गया। अनुपातित अस्पताल मृत्यु 23.1% से 18.6% तक गिर गई। आयु, सह-रोगों, अस्पताल प्रकार, इंडेक्स स्कोर और अस्पताल द्वारा समूहन के लिए समायोजित करने के बाद, अस्पताल में मरने का जोखिम पोस्ट-इम्प्लीमेंटेशन समूह में 18% कम था, एक समायोजित ऑड्स अनुपात 0.82। देखभाल का विस्तार दोनों अवधियों में लगभग 1% पर आयोजित किया गया, इसलिए अतिरिक्त प्रतिक्रिया-टीम यातायात एक नए गहन देखभाल स्थानांतरण की लहर में अनुवाद नहीं किया।

मॉडल हेड-टू-हेड परीक्षणों में कैसे खड़ा हुआ

अस्पताल जोखिम-भविष्यवाणी मॉडल आमतौर पर इस बात पर आंके जाते हैं कि वे कितनी अच्छी तरह खराब होने वाले रोगियों को उन लोगों से अलग कर सकते हैं जो नहीं हैं, और उस साहित्य ने इस विशेष स्कोर के साथ कठिन समय बिताया है। एपिक इंडेक्स के सबसे बड़े प्रकाशित विश्लेषण में, येल न्यू हेवन हेल्थ और शिकागो विश्वविद्यालय के शोधकर्ताओं ने सात अस्पतालों में 362,926 रोगी मुठभेड़ों के खिलाफ छह प्रारंभिक चेतावनी प्रणालियों को स्कोर किया और इसे नीचे रखा, एक क्षेत्र 0.808 के साथ। यह राष्ट्रीय प्रारंभिक चेतावनी स्कोर 0.829 से पीछे था, जो एक बिंदु प्रणाली है जिसे एक चिकित्सक हाथ से जोड़ सकता है, और मशीन-लर्निंग ईसीएआरटी मॉडल 0.895 पर काफी पीछे था।

लीड समय अंतर था। एपिक स्कोर के उच्च-जोखिम अलर्ट एक घंटे पहले खराब होने से पहले आया, ईसीएआरटी के लिए 11 घंटे और हाथ से गणना किए गए स्कोर के लिए आठ, और लेखकों ने नोट किया कि पहले के काम से पता चलता है कि खराब होने के मानदंडों को पूरा करने के चार से छह घंटे के भीतर एक रोगी को गहन देखभाल में स्थानांतरित करना जहां परिणाम में सुधार होता है। येल न्यू हेवन ने कहा कि उसने जनवरी 2024 में उन निष्कर्षों के आधार पर अपने सात अस्पतालों को ईसीएआरटी में स्थानांतरित कर दिया।

उसी तुलना में यह भी उल्लेख किया गया था कि एफडीए चार्ट डेटा पढ़ने वाले नैदानिक ​​निर्णय समर्थन सॉफ्टवेयर को खराब होने वाले रोगियों को झंडा दिखाने के लिए एक नियंत्रित चिकित्सा उपकरण के रूप में मानता है, और केवल दो सामान्य प्रारंभिक चेतावनी स्कोर को उस समय मंजूरी दी गई थी: रोथमैन इंडेक्स और ईसीएआरटी। एपिक इंडेक्स, समूह में सबसे व्यापक रूप से उपलब्ध, उस समीक्षा से गुजरा नहीं है, और इसका अपना विकास और मान्यकरण कार्य किसी पीयर-समीक्षा पत्रिका में दिखाई नहीं दिया है। एपिक की रिकॉर्ड प्रणाली ने 2022 में लगभग 48% अमेरिकी तीव्र देखभाल अस्पताल के बिस्तरों को कवर किया, जैसा कि उस पत्र में उद्धृत आंकड़े से, इसलिए स्कोर बहुत सारे भवनों में गणना कर रहा है।

एपिक चलाने वाले अस्पतालों के लिए क्या निकाला जा सकता है

वरिष्ठ लेखक ने पुनर्मिलन को स्पष्ट रूप से रखा। “मृत्यु लाभ अल्गोरिदम द्वारा नहीं बल्कि अल्गोरिदम के आसपास के साझेदारी द्वारा उत्पादित किया गया था,” आरडब्ल्यूबार्नाबास हेल्थ में मुख्य चिकित्सा सूचना अधिकारी स्टीफन पी. ओ’माहोनी ने कहा।

लेखक एक पैकेज के परिवर्तनों का श्रेय देते हैं, न कि स्कोर को अकेले। चिकित्सक शिक्षा, रॉबर्ट वुड जॉनसन विश्वविद्यालय अस्पताल में प्रारंभिक पायलट के दौरान अलर्ट ट्यूनिंग, स्वचालित सूचनाएं, और महत्वपूर्ण देखभाल कर्मचारियों को भेजने के लिए तैयार प्रतिक्रिया टीम। येल तुलना के बगल में पढ़ें, यह किसी और के लिए चलने वाले टूल के लिए संचालनात्मक निष्कर्ष है। मृत्यु अंतर प्रतिक्रिया प्रणाली के निर्माण का अनुसरण किया जो स्कोर के आसपास बनाया गया था, स्कोर के प्रतिद्वंद्वियों के खिलाफ इसके रैंकिंग के बजाय।

समूह अब अलर्ट का मूल्यांकन कर रहा है जो रोगी के जोखिम स्कोर के चढ़ाई की गति से शुरू होता है, स्तर तक पहुंचने के बजाय, जिस सिद्धांत पर वेग एक थ्रेशोल्ड पार करने से अधिक चेतावनी खरीदता है। जिन कई अस्पतालों में यह मॉडल पहले से ही पृष्ठभूमि में चल रहा है, अध्ययन का हिस्सा जो हस्तांतरणीय है वह संचालनात्मक है: कौन पेज किया जाता है, कितनी जल्दी, और कौन बेडसाइड पर आता है।