Medical card
A bad doctor treats the disease, a good doctor treats the cause of the disease.
  • гепатит
  • Недели беременности

    Беременность по неделям

  • Сколько живут с диагнозом рак
  • Как рыбий жир может уменьшить воспаление

Penn Study показывает, что автоматическое прогнозирование помогает выявлять пациентов, которым грозит 30-дневная реадмиссия

2021-02-06 13:15:39

автоматизированный инструмент прогнозирования, который выявляет вновь поступивших пациентов, которым грозит реадмиссия в течение 30 дней после выписки, был успешно включен в электронную медицинскую карту системы здравоохранения Университета Пенсильвании. Инструмент, разработанный исследователями из Медицинской школы Перельмана , стал предметом исследования, опубликованного в декабрьском выпуске Journal of Hospital Medicine .


Ссылки по теме

Медицинский факультет Перельмана при Пенсильванском университете


Система здравоохранения Пенсильванского университета


Команда All-Penn обнаружила, что госпитализация два или более раз в течение 12 месяцев до госпитализации - лучший способ предсказать, какие пациенты подвержены риску повторной госпитализации в течение 30 дней после выписки. В результате этого открытия автоматизированный инструмент теперь может идентифицировать пациентов как имеющих «высокий риск» повторной госпитализации и создает «отметку» в их электронной медицинской карте. При поступлении пациента из группы высокого риска рядом с именем пациента в столбце «Риск повторной госпитализации» появляется флажок. На флаг можно дважды щелкнуть, чтобы отобразить подробную информацию, относящуюся к планированию выписки, включая посещения стационаров и отделений неотложной помощи за предыдущие 12 месяцев, а также информацию о группах по уходу, продолжительности пребывания и проблемах, связанных с этими предыдущими госпитализациями. .


«Результаты, которые мы видели с помощью этого инструмента, показывают, что мы можем с большой степенью точности предсказать пациентов, которые подвергаются риску повторной госпитализации в течение 30 дней после выписки», - сказал ведущий автор Чарльз А. Бейли, доктор медицинских наук, внутренний специалист. специалист по медицине и научный сотрудник Центра клинической эпидемиологии и биостатистики Penn Medicine. «Обладая этими знаниями, медицинские бригады имеют возможность ориентироваться на этих пациентов, обеспечивая им наиболее интенсивные вмешательства, необходимые для предотвращения их повторной госпитализации».


Вмешательства, доказавшие свою эффективность в сокращении 30-дневной повторной госпитализации, включают расширенное обучение пациентов и согласование приема лекарств в день выписки, увеличение количества услуг на дому для обеспечения безопасной посадки, последующие встречи вскоре после выписки и последующие телефонные звонки для обеспечения дополнительного уровня охрана. В процессе согласования лекарств фармацевты сравнивают текущие заказы на лекарства пациента в больнице со всеми лекарствами, которые пациент принимал дома до поступления в больницу. Это делается для того, чтобы избежать ошибок приема лекарств, таких как пропуски, дублирование, ошибки дозирования или взаимодействия лекарств.


В поддержку исследования Центр доказательной медицины Пенсильвании выявил в опубликованной литературе ряд переменных, связанных с повторной госпитализацией, в том числе: предыдущие госпитализации, посещения отделения неотложной помощи, предыдущие 30-дневные повторные госпитализации и наличие множественных медицинских нарушений.


Используя ретроспективные данные за два года, команда исследовала эти переменные, используя свои собственные местные данные, и обнаружила, что единственная переменная - предшествующая госпитализация два или более раз в течение 12 месяцев - была лучшим предиктором повторной госпитализации в будущем. . Этот маркер был интегрирован в электронную медицинскую карту и проспективно изучен на следующий год. За это время пациенты, которые активировали оповещение о реадмиссии, впоследствии были повторно госпитализированы в 31% случаев. Если оповещение не запускалось, пациентов повторно принимали только в 11% случаев. 

Оставьте комментарии и отзывы!

Используйте нормальные имена. Ваш комментарий будет опубликован после проверки.

(обязательно)