Electronic Alerts for Acute Kidney Injury Amelioration (ELAIA-1): a completely electronic, multicentre, randomised controlled trial: design and rationale
Notice bibliographique
Résumé
INTRODUCTION: Acute kidney injury (AKI) is common among hospitalised patients and under-recognised by providers and yet carries a significant risk of morbidity and mortality. Electronic alerts for AKI have become more common despite a lack of strong evidence of their benefits. We designed a multicentre, randomised, controlled trial to evaluate the effectiveness of AKI alerts. Our aim is to highlight several challenges faced in the design of this trial, which uses electronic screening, enrolment, randomisation, intervention and data collection. METHODS AND ANALYSIS: The design and implementation of an electronic alert system for AKI was a reiterative process involving several challenges and limitations set by the confines of the electronic medical record system. The trial will electronically identify and randomise 6030 adults with AKI at six hospitals over a 1.5-2 year period to usual care versus an electronic alert containing an AKI-specific order set. Our primary outcome will be a composite of AKI progression, inpatient dialysis and inpatient death within 14 days of randomisation. During a 1-month pilot in the medical intensive care unit of Yale New Haven Hospital, we have demonstrated feasibility of automating enrolment and data collection. Feedback from providers exposed to the alerts was used to continually improve alert clarity, user friendliness and alert specificity through refined inclusion and exclusion criteria. ETHICS AND DISSEMINATION: This study has been approved by the appropriate ethics committees for each of our study sites. Our study qualified for a waiver of informed consent as it presents no more than minimal risk and cannot be feasibly conducted in the absence of a waiver. We are committed to open dissemination of our data through clinicaltrials.gov and submission of results to the NIH data sharing repository. Results of our trial will be submitted for publication in a peer-reviewed journal. TRIAL REGISTRATION NUMBER: NCT02753751; Pre-results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,085 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,006 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,010 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».