Early detection and treatment of acute illness in medical patients with novel software: a prospective quality improvement initiative
Notice bibliographique
Résumé
OBJECTIVE: An ageing population and rising healthcare costs place healthcare systems at risk of failure. Our goal was to develop a technology that would identify illness early, initiate action and therein improve patient care, outcomes and save healthcare resources. DESIGN: This was a prospective interventional quality improvement study. SETTING: A 40 bed medical floor in a 300 bed Canadian tertiary care regional referral hospital. PARTICIPANTS: General ward patients randomly assigned to control or treatment groups. There was no cross-over or loss to follow-up. INTERVENTION: We designed an algorithm and software programme capable of detecting the sentinel change in a deteriorating patient's clinical condition and once detected direct early investigation and care. Study duration was 1 year. MAIN OUTCOME MEASURES: Primary outcome was patient transfer from the general medical ward to the intensive care unit (ICU). The secondary outcome was the time needed to (1) order investigations (2) contact senior medical staff and (3) senior medical staff intervention. RESULTS: We identified a decrease in the transfer of patients from the medical ward to the ICU. Over the course of the study including 273 patients (110 in the control group and 163 in the treatment group), transfers dropped from 14 to 3 with a relative risk reduction of 85.54% (95% CI 84.96 to 86.1), a number needed to treat of 9.19 (95% CI 9.01 to 9.36) and a absolute risk reduction of 10.89% (95% CI 10.7 to 11.1). We also found a statistically significant reduction in the time required to order investigations (p=0.049), contact senior medical staff (p=0.040) and senior medical staff intervention (p=0.045). CONCLUSION: A novel algorithm and software in the hands of nursing staff identified acute illness with adequate sensitivity and specificity to dramatically reduce ICU transfers and time to clinical intervention on a medical ward.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».