Epic’in Bozulma Uyarıları Hastane Ölümlerini Düşürmeye Bağlı

Geniş çapta dağıtılan bir hastane öngörme modelini kritik bakım ekipleri için otomatik sayfalamaya bağlamak, 23.132 yüksek riskli hasta üzerinde yapılan bir çalışmada, hastanede ölüm riskinin ayarlanmış oranını %18 oranında azalttı. Rutgers Robert Wood Johnson Tıp Fakültesi ve RWJBarnabas Sağlık araştırma görevlileri, 11 New Jersey hastanesi boyunca dağıtımları izlediler, akademik tıp merkezinden topluluk öğretme dışı tesislerine kadar.

Model, Epic Bozulma Endeksi’dir, elektronik sağlık kayıtları içinde gelen bir makine öğrenimi puanıdır. Bu, alreadya kayıtlı vital işaretleri, laboratuvar sonuçlarını, hemşire değerlendirmelerini ve yaşı okuyarak 0-100 ölçeğinde bir risk numarası döndürür ve sağlık sisteminin kendi açıklamasına göre her 15 dakikada bir yeniden hesaplar. RWJBarnabas’ın değiştirdiği şey, yönlendirmeydi: bir hasta en yüksek risk eşiğini geçtiğinde, kayıt doğrudan hastanenin hızlı yanıt ekibine bir bildirim pushladı.

Numaraların Gösterdiği

Ekibin yarı-deneysel, basamaklı ön- ve son-uygulama karşılaştırması vardı. Bu, 1 Ekim 2022 ile 30 Ağustos 2024 arasında endeks puanı 60 veya üzeri olan yetişkin tıbbi-cerrahi kabul edilenleri kapsadı: 10.803 hasta uygulama öncesi ve 12.329 hasta uygulamadan sonra, ortalama yaş 71,9 yıl olarak hesaplandı. Uygulama sonrasındaki karşılaşmaların yaklaşık %47’si yanıt ekibine sayfa oluşturdu, ancak her sayfa bir aktivasyona neden olmadı.

Hastalar arasında hızlı yanıt aktivasyonları, hastane kalışlarının %25,3’ünden %37,5’ine yükseldi. Ayarlanmamış hastane içi mortalite %23,1’den %18,6’ya düştü. Yaş, komorbiditeler, hastane türü, endeks puanı ve hastaneye göre kümeleme için ayarlandıktan sonra, hastanede ölüm olasılığı uygulama sonrasındaki grupta %18 daha düşük oldu, ayarlanmış olasılık oranı 0,82 olarak hesaplandı. Bakım artırımları her iki dönemde de %1’e yakın kaldı, böylece ek yanıt ekibi trafiği yeni yoğun bakım transferleri dalgasına dönüşmedi.

Modelin Karşılaştırmalı Testlerde Nasıl Performans Gösterdiği

Hastane risk-öngörme modelleri genellikle hasta bozulmalarını ayıranların ve bozulmayanların nasıl ayırt edildiğine göre değerlendirilir ve bu literatür bu puan için zorlu oldu. Epic endeksini bugüne kadarki en büyük yayımlanmış analizinde, Yale New Haven Sağlık ve Chicago Üniversitesi’nden araştırmacılar altı erken uyarı sistemini aynı 362.926 hasta karşılaşması üzerinden yedi hastanede değerlendirdiler ve 0,808 alan altı eğri ile en düşük performans gösterenlerden biri olarak sınıflandırdılar. Bu, 0,829 alan altı eğri ile Ulusal Erken Uyarı Skalasının ve 0,895 alan altı eğri ile eCART modelinin gerisinde kaldı.

Aradaki boşluk daha da büyüktü. Epic puanının yüksek riskli uyarıları, bozulma öncesi median bir saat önce geldi, eCART için 11 saat ve el ile hesaplanan puan için sekiz saat önce geldi ve yazarlar, daha önceki çalışmaların, bozulma kriterlerine göre dört ila altı saat içinde yoğun bakım birimine alınmanın sonuçları iyileştirdiğini belirttiler. Yale New Haven yedi hastanesini Ocak 2024’te bu bulguların gücüyle eCART’a geçirdi.

Aynı karşılaştırma, FDA’nın klinik karar destek yazılımlarını, hasta bozulmalarını saptamak için kullanılan düzenlenmiş tıbbi cihazlar olarak ele aldığını ve sadece iki genel erken uyarı skorunun o zaman onaylandığını belirtti: Rothman İndeksi ve eCART. En yaygın olarak bulunan Epic endeksi, bu incelemeyi geçmedi ve kendi geliştirme ve doğrulama çalışmaları da hakemli bir dergide yayımlanmadı. Epic’in kayıt sistemi, 2022’de ABD’deki yaklaşık %48 akut bakım hastane yatağını kapsıyordu, bu nedenle puan çok sayıda binada hesaplanıyordu.

Epic Kullanan Hastanelerin Alabileceği

Senior yazar, uzlaşmayı açıkça ifade etti. “Mortalite faydaları algoritmadan değil, algoritma etrafındaki ortaklıktan üretildi” dedi Stephen P. O’Mahony, RWJBarnabas Sağlık’ın baş tıbbi bilgi görevlisi.

Yazarlar, puanın kendisinden ziyade değişikliklerin bir paketini kredilendirdiler: klinisyen eğitimi, ilk pilot sırasında Robert Wood Johnson Üniversitesi Hastanesi’nde uyarı ayarlaması, otomatik bildirimler ve kritik bakım personeli ile gönderilen bir yanıt ekibi. Yale karşılaştırması ile birlikte okunduğunda, bu, Epic’i çalıştıran herkes için operatif bulgu oldu. Mortalite farkı, puanın rakipleri ile arasındaki sıralamadan ziyade puan etrafındaki yanıt sisteminin inşa edilmesiyle ilişkiliydi.

Grup, şimdi risk puanının seviyesine değil, nasıl yükseldiğine bağlı olarak tetiklenen uyarıları değerlendirmekte. Hızın, eşiği geçmekten daha fazla uyarı satın aldığını varsayıyorlar. Bu modeli zaten arka planda çalıştıran birçok hastane için, çalışmanın transfer edilebilir kısmı operasyonel: kimin sayfası açılır, nasıl hızlı bir şekilde açılır ve kim yatağa gelir.