Gli avvisi di deterioramento di Epic legati a una minore mortalità ospedaliera

Collegare un modello di previsione ospedaliera ampiamente utilizzato a pagine automatiche per team di cure critiche è stato associato a una riduzione del 18% del rischio di morte in ospedale, secondo uno studio su 23.132 pazienti ad alto rischio pubblicato su NEJM AI il 29 luglio 2026. I ricercatori della Rutgers Robert Wood Johnson Medical School e della RWJBarnabas Health hanno monitorato il rollout in 11 ospedali del New Jersey, da un centro medico accademico a strutture comunitarie non universitarie.

Il modello è l’Epic Deterioration Index, un punteggio di apprendimento automatico proprietario che Epic fornisce all’interno del suo registro elettronico delle cartelle cliniche. Legge i segni vitali, i risultati dei laboratori, le valutazioni infermieristiche e l’età già presenti nella cartella e restituisce un numero di rischio su una scala da 0 a 100, che l’annuncio del sistema sanitario stesso afferma essere ricontrollato ogni 15 minuti. Ciò che RWJBarnabas ha modificato è stato il routing: una volta che un paziente ha superato la soglia di rischio più alta, la cartella ha inviato una notifica direttamente al team di risposta rapida dell’ospedale.

Cosa mostrano i numeri

Il team ha eseguito un confronto quasi-sperimentale, uno studio pre- e post-implementazione, piuttosto che un trial randomizzato. Ha coperto le ammissioni mediche e chirurgiche per adulti con un punteggio dell’indice pari o superiore a 60 tra il 1 ottobre 2022 e il 30 agosto 2024: 10.803 pazienti prima del cambiamento e 12.329 dopo, con un’età media di 71,9 anni. Circa il 47% degli incontri post-implementazione ha generato una pagina per il team di risposta, anche se non ogni pagina ha prodotto un’attivazione.

Le attivazioni della risposta rapida tra questi pazienti sono aumentate dal 25,3% dei ricoveri ospedalieri al 37,5%. La mortalità introspedaliera non aggiustata è scesa dal 23,1% al 18,6%. Dopo aver aggiustato per età, comorbidità, tipo di ospedale, punteggio dell’indice e raggruppamento per ospedale, le probabilità di morire in ospedale sono state del 18% più basse nel gruppo post-implementazione, con un odds ratio aggiustato di 0,82. Le escalation delle cure sono rimaste vicino all’1% in entrambi i periodi, quindi il traffico aggiuntivo del team di risposta non si è tradotto in un’onda di nuovi trasferimenti in terapia intensiva.

Come il modello ha funzionato nei test testa a testa

I modelli di previsione del rischio ospedaliero vengono solitamente giudicati in base a quanto bene separano i pazienti che peggiorano da quelli che non lo fanno, e la letteratura su questo punteggio specifico è stata dura. Nella più grande analisi pubblicata dell’indice Epic fino ad oggi, i ricercatori di Yale New Haven Health e dell’Università di Chicago hanno valutato sei sistemi di allarme precoce contro gli stessi 362.926 incontri di pazienti in sette ospedali e li hanno posizionati vicino al fondo, con un’area sotto la curva di 0,808. Ciò è stato superato dal National Early Warning Score con 0,829, un sistema di punteggi che un clinico può calcolare a mano, e si è posizionato ben dietro il modello di apprendimento automatico eCART con 0,895.

Il tempo di anticipo è stato il divario più netto. Gli avvisi ad alto rischio del punteggio Epic sono arrivati con una mediana di un’ora prima del peggioramento, contro 11 ore per eCART e otto per il punteggio calcolato a mano, e gli autori hanno notato che lavori precedenti suggeriscono che spostare un paziente in terapia intensiva entro quattro-sei ore dall’incontro dei criteri di peggioramento è dove migliorano gli esiti. Yale New Haven ha detto di aver spostato i suoi sette ospedali su eCART a gennaio 2024 sulla base di quelle scoperte.

Quello stesso confronto ha notato che la FDA tratta il software di supporto alle decisioni cliniche che legge i dati della cartella per segnalare i pazienti che peggiorano come un dispositivo medico regolamentato, e che solo due punteggi di allarme precoce generali erano stati approvati al momento: l’indice Rothman e eCART. L’indice Epic, il più ampiamente disponibile del gruppo, non ha superato quella revisione, e il suo sviluppo e la sua convalida non sono apparsi in una rivista peer-reviewed. Il sistema di registri di Epic copriva circa il 48% dei letti ospedalieri di cure acute negli Stati Uniti nel 2022, secondo la cifra citata in quel documento, quindi il punteggio viene calcolato in un gran numero di edifici.

Cosa possono trarre gli ospedali che utilizzano Epic

L’autore senior ha messo in chiaro la riconciliazione. “Il beneficio in termini di mortalità non è stato prodotto da un algoritmo, ma dal partenariato intorno all’algoritmo”, ha detto Stephen P. O’Mahony, chief medical information officer della RWJBarnabas Health.

Gli autori attribuiscono un pacchetto di modifiche piuttosto che al punteggio stesso: l’educazione dei clinici, la regolazione degli avvisi durante il pilot iniziale presso l’ospedale universitario Robert Wood Johnson, le notifiche automatiche e un team di risposta con personale di cure critiche da inviare. Letto accanto al confronto di Yale, questa è la scoperta operativa per chiunque altro utilizzi lo strumento. La differenza di mortalità ha seguito il sistema di risposta costruito intorno al punteggio, non la classifica del punteggio rispetto ai suoi concorrenti.

Il gruppo sta ora valutando gli avvisi attivati da quanto velocemente il punteggio di rischio del paziente sta salendo, piuttosto che dal livello che raggiunge, sulla teoria che la velocità compra più avvertimenti di una soglia superata. Per i molti ospedali che già hanno questo modello in esecuzione in background, la metà trasferibile dello studio è operativa: chi viene paginato, quanto velocemente, e chi arriva al capezzale.