研究人员开发数据工具，可能改善护理

在复杂的机器学习的帮助下，UPMC和匹兹堡大学医学院的研究人员证明，他们开发的一种工具可以快速预测面临转院的患者的死亡率，以便获得更高的视力护理。这项研究发表在今天的普罗斯一体，可以帮助医生、患者及其家属避免不必要的转院和低价值治疗，同时更好地关注患者表达的护理目标。

每年，近160万名患者 - 或多达所有住院入住的3.5％ - 从一家医院转移到另一家医院，以获得专业护理的复杂条件。"However, securing these services often requires burdensome travel and reduced community support for patients and their families. While some may recover from the acute illness, many others realize little benefit in terms of improved outcomes," said Daniel E. Hall, M.D., corresponding author of the study, as well as medical director of high-risk populations and outcomes at the UPMC Wolff Center and associate professor of surgery at Pitt's School of Medicine.

为了解决患者护理协调的这种差距，目前依赖于床边临床医生的临时判断，大厅和他的团队制定了一个实时工具，可以预测医院转移时患者的死亡率结果并提供这些结果在不到五分钟的医生身上。

研究人员在12个月期间，使用来自近21,000名和年龄的患者的近21,000名患者的数据，该研究人员开发并验证了“安全无需急促转移”的死亡率风险评估工具。在研究目前用于医院密集护理单位和入场环境的其他死亡率风险模型后，大厅和他的团队在其中一个或多个中使用的70个独立变量的列表，包括患者人口统计数据，生命体征，实验室测试和其他因素。

然后，他们分析了UPMC计费数据和住院电子健康记录，以确定接收医院是否记录了这些变量，并仅关注转移三小时内可用的那些。将列表中的70变量中的列表剔除。使用引导机器学习在数据的训练和测试集上，该团队最终开发了由14个变量组成的SafeNET算法，可靠、快速地预测转诊患者住院、30天和90天的死亡率。他们还将SafeNET的预测能力与另一种用于感染患者的工具进行了比较，发现SafeNET算法更准确，可以用于更普通的患者群体。

“我们的总体目标是为前线医生提供急需的信息，以触发并告知有关最高风险患者的共同决定，”大厅说。“这个工具可以帮助将额外的资源引导到这些患者中，以确保护理计划与患者的价值观和目标一致。经常，转移的患者及其家庭不了解他们所面临的疾病的严重程度并具有不现实的疾病的严重程度关于转移更高级别护理的结果将产生的预期。“

通过在UPMC系统内的三个医院中驾驶工具，研究人员建立了SafeNet作为一种易于访问的基于Web的应用程序。SafeNet引导用户输入尽可能多的变量，然后立即生成预测的死亡率风险 - 即使丢失至少一个变量，也可以如此准确地执行，这发生了超过一半的时间。

大厅注意事项，在广泛部署SafeNet之前需要进一步的工作。由于数据仅限于单个，多重 -医院系统，发现可能不能推广到其他护理设置。而且，提供给算法的一些信息可能会产生偏差。

UPMC正在开展工作，建立由SafeNET评分触发的护理路径，将所需资源直接提供给预后不良风险最大的患者。例如，该工具正在试点研究中使用，在考虑在医院之间转诊的临床医生中发起目标澄清会议，并向考虑转诊的患者提供远程、视频会议的姑息治疗服务。

“SafeNET并不是要取代临床判断，”Hall指出。“相反，它的目的是触发‘暂停’，以便临床医生更好地准备通知和指导患者及其家属，最好是在危重患者被转移之前。”我们知道耐心或者他们参加与医生谈话的代理人倾向于接受与他们的偏好一致的照顾。SafeNet可能是有效且廉价的工具促成这些重要的对话。”

---

---