通过机器学习 (ABC) 在急诊室适当使用血液培养物:随机对照非劣等性试验的研究协议

科学领域:

• 医疗信息学 医疗信息学
• 临床决策支持系统 临床决策支持系统
• 医疗保健中的机器学习

背景情况:

• 在急诊室 (ED) 中自由使用血液培养物导致诊断产量低,错误阳性结果率高.
• 污染的血液培养与延长住院时间,增加抗生素使用和更高的死亡率有关.
• 目前在ED中血液培养分析的实践可能不是最佳的,导致资源过度使用和潜在的患者伤害.

研究的目的:

• 评估机器学习 (ML) 模型的安全性和有效性,以指导临床医生拒绝不必要的血液培养分析.
• 为了确定ML指导的方法是否与标准实践在30天死亡率方面不逊色.
• 评估二次结果,包括住院时间,入院率,模型性能和抗生素使用.

主要方法:

• 一个随机对照的非劣势试验,将标准实践与ML指导方法进行比较.
• 包括7584名参与者在荷兰的多家医院急救中心.
• 主要终点:30天死亡率;次要终点:住院时间,入院率,抗生素使用和模型性能.

主要成果:

• 作为随机对照试验的一部分,数据收集和分析正在进行中.
• 该研究旨在提供强有力的证据,证明ML模型的临床实用性.
• 关于非劣势和次要结果的具体结果将在研究完成后报告.

结论:

• 这种ML指导的方法有可能优化ED的血液培养利用率.
• 成功实施可能会降低医疗保健成本并改善患者的治疗结果.
• 进一步的研究和验证对于在临床实践中广泛采用ML工具至关重要.