一个定量框架,用于评估对1型糖尿病患者的算法定向全人口远程患者监测的性能

科学领域:

• 内分泌学 在内分泌学.
• 数字健康数字健康
• 医疗保健服务研究 医疗服务研究

背景情况:

• 远程患者监测 (RPM) 和持续葡萄糖监测 (CGM) 数据分析越来越多地用于1型糖尿病 (T1D) 护理.
• 现有的模型缺乏定量框架来评估算法指导护理对患者结果和临床工作负载的影响.
• 团队合作,目标,技术和严格控制 (4T) 研究利用算法通过分析CGM数据来管理T1D护理.

研究的目的:

• 开发和评估一个临床面向的定量框架,用于监督算法导向的全人口T1D护理.
• 确定评估临床工作量,葡萄糖管理和T1D管理中的护理及时性的关键指标.
• 支持数据驱动的决策,以优化临床操作和患者结果.

主要方法:

• 利用了4T试点 (n=133) 和4T研究1 (n=135) 的数据,其中包括患有T1D的年轻人.
• 采用分析CGM数据的算法来识别需要临床审查的患者.
• 进行代数据分析和采访糖尿病教育者和临床医生,以定义指标和开发交互式仪表板.

主要成果:

• 确定指标来跟踪临床工作量 (总患者,每位临床医生的患者),葡萄糖管理 (患者符合审查标准) 和护理的及时性 (自审查标准满足以来的日期).
• 开发了一个交互式仪表板,展示这些指标用于领导力审查.
• 证明这些指标在每周的节目领导会议上促进了数据驱动的决策.

结论:

• 提出了一个新的定量框架,以加强对算法指导的全人口T1D护理的监督.
• 该框架使诊所能够有效地跟踪临床工作量,患者的结果和护理的及时性.
• 这种方法至关重要,因为算法在指导临床努力和优先考虑患者护理方面发挥着越来越重要的作用.