开发和实施人工智能增强的护理模式,以提高西班牙医院病房的患者安全

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 患者安全 患者安全

背景情况:

• 早期发现关键事件对于改善住院患者的结果和降低死亡率至关重要.
• 传统的早期预警分数 (例如,NEWS2) 可以识别有风险的患者,但可以通过AI来增强.
• 这项研究引入了一个AI增强系统,使用修改后的NEWS2尺度与实验室数据 (mNEWS2-Lab).

研究的目的:

• 开发和实施一个人工智能增强的预警系统 (mNEWS2-Lab).
• 评估该系统在改善医院病房患者安全方面的有效性.
• 评估人工智能集成干预的成本效益.

主要方法:

• 对3790名成人入院病人的回顾性队列研究.
• 在mNEWS2-Lab与AI实施之前和之后收集的数据.
• 采用多变量预测模型和统计分析 (费舍尔的千方形,RR),以及人工智能模型 (逻辑回归,决策树,神经网络).

主要成果:

• 在mNEWS2-Lab尺度下,关键事件减少了65% (RR0.35,P<0.001).
• 人工智能集成进一步减少了事件的额外10% (RR 0.26,P<0.001),提升了15%的早期预警准确性.
• 干预措施证明了成本效益,产生了显著的节约.

结论:

• 在mNEWS2-Lab尺度,特别是与AI集成,是有效的早期检测和预防关键事件.
• 这种人工智能增强的系统代表了一种强大且具有成本效益的工具,用于提高住院患者的安全性.
• 这些发现支持在临床实践中采用人工智能驱动的早期预警系统.