机构名称：
¥ 1.0
摘要背景医院再入院率是一项关键的质量指标，与报销挂钩。减少再入院率的一种策略是将资源用于再入院风险最高的患者。这一策略需要一个强大的预测模型和有效的以患者为中心的干预措施。目标本研究的目的是通过使用基于人工智能的临床决策支持来减少计划外的医院再入院率。方法 2018 年 11 月至 2019 年 4 月期间，在威斯康星州拉克罗斯的一家地区医院实施了一种商用人工智能工具。该工具评估了所有入住综合护理病房的患者的再入院风险，并提出了旨在降低再入院风险的干预措施建议。以类似的医院作为对照。通过将 6 个月的干预期与暴露组和对照组医院上一历年同期进行比较，评估了再入院率的变化。结果 在使用该工具评估的 2,460 例住院病例中，611 例被该工具指定为高风险。风险分配的敏感性和特异性分别为 65% 和 89%。实施后的 6 个月内，再入院率从比较期间的 11.4% 下降到 8.1% (p < 0.001)。在考虑到对照医院再入院率下降 0.5%（从 9.3% 下降到 8.8%）后，再入院率的相对下降幅度为 25% (p < 0.001)。在被指定为高风险的患者中，为避免一次再入院而需要治疗的人数为 11 人。结论 我们观察到，在实施基于人工智能的临床决策支持后，医院再入院率有所下降。我们的经验表明，使用人工智能识别再入院风险最高的患者，并与以患者为中心的干预措施相结合，可以减少质量差距。
基于人工智能的临床实施...
主要关键词
相关文件推荐
