机构名称：
¥ 1.0
摘要背景：预先护理计划（ACP）是未充分利用的患者护理的重要方面。机器学习（ML）模型可以帮助识别适合ACP的患者。目的是评估基于ML模型对ACP文档和患者预后率的使用者通知的影响。方法：这是三级学术医院的一项QI前QI干预研究。该研究包括使用ML模型的通用医学团队接受通用医学团队死亡风险较高的成年患者。干预措施包括通过电子邮件和页面通知提供商，以了解ML模型确定的患者。结果：总共分析了479次相遇，其中282次遇到发送给提供商的通知符合纳入标准。高危ACP患者的协变量调整比例从基线的6.0％上升到56.5％（风险比（RR）= 9.42，95％CI：4.90-18.11）。ACP患者在记录ACP时降低代码状态的可能性是ACP的两倍以上（29.0％比10.8％RR = 2.69，95％CI：1.64 - 4.27）。此外，ACP患者的临终关怀几率是临终关怀的两倍（22.2％比12.6％的优势比= 2.16，95％CI：1.16 - 4.01）。然而，ACP记录的患者的平均LOS较长（9.7 vs. 7.6天，事件时间比= 1.29，95％CI：1.10-1.53）结论：使用ML模型的提供者通知可能会导致前线临床医生在内科患者环境中的ACP文档完成。
Qi-study-using-a-machine-arearning-orternative-trisk-prisk-prestiction ...
主要关键词
相关文件推荐
