Nově vyvinutý nástroj dokáže identifikovat riziko dětského readmise před propuštěním
Snadno dostupná data z elektronických zdravotních záznamů (EHR) lze použít ke spolehlivé identifikaci rizika opětovného přijetí pro děti všech věkových kategorií, dokud jsou stále v síti nemocnic, podle studie z Ann & Robert H. Lurie Children's Hospital of Chicago publikované v časopise JAMA. Nově vyvinutý a ověřený nástroj bude klíčový pro úsilí o snížení počtu hospitalizací do 30 dnů od propuštění, což by mělo také pomoci uvolnit vzácná dětská nemocniční lůžka. Ačkoli jsou readmise do nemocnic měřítkem kvality, dosud jsme neměli komplexní a snadno použitelný nástroj k posouzení rizika opětovného přijetí u dětí...

Nově vyvinutý nástroj dokáže identifikovat riziko dětského readmise před propuštěním
Snadno dostupná data z elektronických zdravotních záznamů (EHR) lze použít ke spolehlivé identifikaci rizika opětovného přijetí pro děti všech věkových kategorií, dokud jsou stále v síti nemocnic, podle studie z Ann & Robert H. Lurie Children's Hospital of Chicago publikované v časopise JAMA. Nově vyvinutý a ověřený nástroj bude klíčový pro úsilí o snížení počtu hospitalizací do 30 dnů od propuštění, což by mělo také pomoci uvolnit vzácná dětská nemocniční lůžka.
Ačkoli jsou readmise do nemocnice měřítkem kvality, neměli jsme k dispozici komplexní a snadno použitelný nástroj k predikci rizika opětovného přijetí u dětí před propuštěním. Vědět, které děti budou s největší pravděpodobností vyžadovat další hospitalizaci brzy po svém počátečním pobytu, nám umožňuje být proaktivní a lépe se zaměřit na plánování propuštění, abychom snížili vysoké riziko opětovného přijetí.“
Denise M. Goodman, MD, MS, hlavní autorka, lékařka kritické péče na Lurie Children's a profesorka pediatrie na Northwestern University Feinberg School of Medicine
Dr. Goodman a jeho kolegové použili data z tříletého propouštění v Lurie Children's k odvození a ověření série tří předpovědních modelů readmise pro děti všech věkových kategorií, včetně kojenců mladších 28 dnů. K výpočtu rizika opětovného přijetí využívají tyto modely demografická a socioekonomická data z EHR a také klinické proměnné, jako je současná délka pobytu, použití specifických terapií a předchozí hospitalizace.
„Klíčovou silnou stránkou našich prediktivních modelů je to, že jsou navrženy tak, aby byly implementovány do EHR během pobytu v nemocnici a měnily se podle klinických okolností,“ řekl Dr. Goodman. "Riziko zpětného přebírání lze denně přepočítávat, což nám dává možnost upravit plánování propouštění v reálném čase."
Snížení rizika opětovného přijetí také pomáhá nemocnicím poskytovat dětská lůžka, kterých je v Chicagu, v Illinois i na národní úrovni stále vzácnější.
"Vzhledem k rostoucímu nedostatku dětských lůžek je kriticky důležité snížit pravděpodobnost, že se dítě bude muset vrátit do nemocnice do 30 dnů," dodal hlavní autor Matthew M. Davis, MD, MAPP, předseda oddělení pediatrie na Lurie Children's a Northwestern University Feinberg School of Medicine. "Věříme, že náš nástroj pro předpovídání readmisí je nejkomplexnější dostupný pro nemocnice, aby mohl reagovat na očekávané potřeby dětí a jejich rodin před propuštěním, a tím snížit riziko opětovného přijetí."
Zdroj:
Ann & Robert H. Lurie Children's Hospital of Chicago
.