评估CONCERN早期预警系统的使用公平性和有效性

科学领域:

• 医疗保健技术评估 医疗保健技术评估
• 临床决策支持系统临床决策支持系统
• 卫生公平研究 卫生公平研究

背景情况:

• 康塞恩早期预警系统 (CONCERN EWS) 是一种AI-CDSS,使用护理文档预测患者病情恶化.
• 之前的试验表明,CONCERN EWS可以降低住院患者的死亡率和住院时间.
• 评估实施结果对于确保在患者群体中获得公平的AI-CDSS结果至关重要.

研究的目的:

• 评估CONCERN EWS的使用是否因患者的人口统计学 (性别,种族,种族,主要语言) 而有所不同.
• 评估CONCERN EWS在降低住院死亡率方面的有效性是否在不同的人口群体之间存在差异.

主要方法:

• 从一个多站点实用集群随机对照试验的EHR数据的回顾性分析.
• 在CONCERN详细预测中评估的股权 屏幕在人口群体中启动.
• 使用考克斯比例危险模型检查死亡风险降低,根据患者特征进行调整.

主要成果:

• CONCERN EWS的使用在患者的人口特征上是公平的.
• 关注 EWS 显著降低了住院死亡风险 (aHR=0.644,p<0.0001).
• 在大多数组中,有效性是一致的,在非英语主要语言患者中观察到更大的死亡风险降低 (aHR=0.419,p=0.0082).

结论:

• 这项研究为评估AI-CDSS在使用和有效性的公平性方面的文献做出了贡献.
• 调查结果表明,CONCERN EWS的公平参与和有效性.
• 需要进行持续的评估,以了解变化,并确保负责任的AI-CDSS实施.