Los puntos clave no están disponibles para este artículo en este momento.
ANTECEDENTES: Las Puntuaciones de Alerta Temprana (EWS) monitorizan la deterioración de los pacientes internados, predominantemente utilizando signos vitales. Evaluamos los resultados de los pacientes hospitalizados después de implementar una intervención basada en Inteligencia Artificial (IA) en nuestra EWS local. MÉTODOS: Un estudio anterior calculó un Índice de Deterioro (DI) mediante regresión logística utilizando demografía, signos vitales y resultados de laboratorio en múltiples puntos en el tiempo para predecir cualquier evento adverso mayor (MAE-mortalidad por todas las causas, admisión a UCI o activación del equipo de emergencia médica). El estudio actual es un estudio pre-post único en un hospital de Australia que compara el DI más la EWS existente (Between the Flags-BTF) solo con BTF. Se recopilaron datos de todos los pacientes internados elegibles (≥16 años, admitidos ≥24 horas, en unidades generales no paliativas). Los controles fueron pacientes internados en el mismo hospital entre enero y diciembre de 2019. El DI se integró en el registro médico electrónico y las alertas se enviaron a los teléfonos de las enfermeras senior del hospital (julio de 2020-abril de 2021). RESULTADOS: Inscribimos a 28,639 pacientes (edad mediana 73 años, IQR: 60-83) con 52.3% de mujeres. Los grupos de intervención y control no mostraron diferencias estadísticamente significativas, aparte de las admisiones reducidas a través del departamento de emergencias en el grupo de intervención (40.4% vs 41.6%, P = 0.03). El riesgo de un MAE fue menor en intervención que en control (RR: 0.81; 95%CI: 0.74-0.89). La duración de la estancia hospitalaria se redujo significativamente en el grupo de intervención (3.74 días, IQR 1.84-7.26) en comparación con el grupo de control (3.86 días, IQR 1.86-7.86, P = 0.002) CONCLUSIONES: La implementación del DI en un hospital en Australia se asoció con algunas mejoras en los resultados de los pacientes. Se necesitan futuros ECA para una mayor validación.
Bassin et al. (Fri,) estudiaron esta cuestión.