病人,在医院和卫生系统仍然是一个严重的安全问题,合理的医疗错误现在死亡的第三大原因在美国人工智能(AI)和预测分析的差异在许多行业,提高各种各样的成果和推动改善。与机器学习的帮助下,预计医院和卫生系统也可以利用人工智能和预测分析寻找新的机会来改善患者安全和结果。
Allina健康是一个很大的医疗体系服务于更大的明尼阿波利斯/圣。保罗。决心改善患者安全的四大城市医院,八个小的社区医院,和85年诊所,Allina健康转向数据分析标准化和扩大安全事件报告,并计划最终开发一个系统的预测预警应对新兴安全问题。
在美国21%以上的人经历一个医疗错误报告自己的关心,和31%的医疗报告错误的亲人或朋友。1尽管美国国家推动改善保健医院,缺乏安全,造成病人伤害仍然是一个主要关注医院和患者,由于医疗错误的事实现在美国的第三大死因2
一个机制来识别患者安全问题和病人伤害是自愿的事件报告。不幸的是,尽管依赖这种被动的监督形式,自愿事件报告只识别威胁病人安全事件的一小部分和安全。随着人工智能的发展和预测分析在多个行业,包括医疗,一个更好的方法去理解和提高患者安全可能在于深入的分析现有的患者数据。
Allina卫生是一个大型医疗系统集中在明尼阿波利斯/圣。保罗。它包括四个大城市的医院,八个小的社区医院,诊所,85 5000医生,大约40亿美元的收入。Allina卫生决心改善病人照顾的设施安全的通过学习从过去的不良事件,识别和解决根源,并使用这些信息来识别和支持干预以防止伤害。
Allina健康委员会质量和人口健康委员会和行政领导团队实现患者安全没有被有效解决的卫生系统。质量会议的讨论主要集中在质量措施和不关注患者安全需要,安全话题经常下降的议事日程。因此,Allina卫生董事会和行政领导团队形成一个独立的,专用的病人安全委员会来解决这个问题,开发一个改进计划。委员会随后增长包括关注员工的安全,提高病人和员工安全的可见性。
召开安全委员会后,Allina卫生确认以下挑战时改善患者安全的健康系统:
克服挑战病人安全在Allina健康和发展有意义的改进工作,病人安全委员会起草这些初始策略作为第一步骤:
Allina健康病人安全委员会开始工作的评估使用AHRQ安全文化的安全文化调查工具。由于该方法获得的信息从这个调查中,该委员会确定的需要创建一个文化安全在整个卫生系统,包括病人的时候都愿意站出来反对或员工安全风险和广泛的通信机制在整个系统的安全事件。
鼓励发言,Allina健康制定的练习分层安全huddles-the练习日常会议的关键前线个人解决的安全问题。在安全挤作一团,综述了在过去24小时内发生的事件。讨论了这些事件再次发生的风险,以及其他潜在的事件,可能发生在接下来的24小时。传递的信息是通过分层系统,挤作一团的高潮在每天挤作一团的Allina行政领导人。有了这个新的信息,Allina健康保证病人风险被识别,和员工可以根据需要进行干预,防止危害的发生。
确定安全官和整个行政领导团队需要通知在系统发生在每一个事件。一旦这种做法制定,这对每个人都大开眼界,作为领导以前不知道的许多事件发生。Allina健康很快发现广泛分享的事件需要平衡两种早期和准确地交流沟通以避免误解和混乱。需要某种程度的验证和核实沟通之前有效地促进早期识别和适当干预的潜在的安全隐患。
自愿报告系统是有效的在捡一些显著的安全事件和使组织能够符合强制性的报告要求。每一个卫生系统需要有一个自愿报告系统,和医院员工需要能够提出如果发生安全事件。Allina卫生,定期安全聚在一起有助于加强安全文化提供了一个威胁的机会对每个人都说当他或她为病人或医护人员感到不安全的条件。聚在一起改善沟通,导致学习事件发生。
然而,信息收集的秘密安全会议还强调了自愿报告系统的缺点。因为这样的系统依赖于个人识别和报告伤害,许多事件和近距离脱靶只是不明时只利用自愿报告。自自愿报告确定只有一个子集的安全事件和精确度的组织之间有很大的差别,比较与其他组织正在误导在最好的情况下,使得安全基准具有挑战性的发展。报告安全事件也缺乏一致的数据和复杂的数据分类的多种方法。
Allina卫生意识到不能够识别和调查全因伤害和近距离脱靶,错过了机会识别和学习模式和系统故障和使用这些信息来决定如何解决这些弱点的组织。卫生系统需要改进安全事件报告和预测,通过评估和重新设计的安全事件报告包括全因伤害和近距离脱靶。
有各种国家和国家报告要求,认证报告要求,和其他项目自愿报告安全事件。然而,这些需求并不总是匹配和方法并不总是相同的。有很多方法对事件进行分类:一些人列表,有些分类系统,有些是一个组合。
改善报告安全事件Allina健康,病人安全委员会认为这将需要开发系统的互动,全面,和敏捷报告功能识别近距离脱靶和容纳多个定义的伤害。他们转向分析提供一个新的系统报告安全事件。
Allina健康确定识别大多数,如果不是全部,病人安全事件和险死还生,它需要自动化安全事件的识别与数据分析的帮助。建立在经验与卫生催化剂世界杯葡萄牙vs加纳即时走地®分析平台和广泛的分析世界杯厄瓜多尔vs塞内加尔波胆预测应用程序套件,Allina健康决定调查使用卫生催化剂的优点患者安全监控™:监测模块,该模块利用机器学习识别并实现触发预测当病人可能伤害或表明如果伤害可能发生。世界杯葡萄牙vs加纳即时走地
触发器是临床和人口数据点被发现与一个特定的安全事件。使用的触发器会根据事件的类型,伤害所使用的定义,和所需的水平的敏感性,即。假阳性和错过的事件。
病人安全委员会决定飞行员这个应用程序并触发工具概念是否可以用来得到全因潜在和实际损害情况。目的是揭示更大范围的伤害而不是集中在一个特定类型的伤害,如可报告的伤害。支持这种类型的调查,具体定义的伤害触发内置工具,和应用程序把数据从EMR进入工具。
Allina健康病人安全委员会决定执行一个病人安全监测概述如何执行的应用程序相比,当前流程准确揭示实际伤害事件相关的三个方面(见图1):
的一些优势在使用标识的安全委员会组织数据分析应用能力严重程度等多种因素,位置,和伤害类型,它是不可能做到的。委员会还获得了全系统性能与标准化的定义,和最新的信息比以前更接近实时数据可用。
总的来说,他们发现困难并不是工具本身,而是在实施它。最初,工具发现这么多额外的伤害事件,他们不得不花很多时间交叉配血来自焦点小组的信息来确定损害已经发生,然后学习如何“调整”触发器来得到更准确的结果。安全委员会变得有点被自愿报告的病例数的大小没有确定之前,但这只是加强了他们决心提高预测能力,防止病人安全事件。
在所有三个试点研究利用触发器,三个主题开始出现:
相关的安全事件调查麻黄素管理强调了需要订单一致,协议和命令集和明确的标准使用在选择一个协议,而不是另一个。剂量和通知标准的一致性对于那些执行协议更容易做正确。它也发现了需要文档成功完成通知和病人对药物。
信息的分析获得关于爱德华或住院手术发现30天内重新接纳新的机会更有效地干预,改善患者的安全。例如,安全委员会了解到:
调查患者肝素后PTT > 130钢筋需要一致的文档PTT和静脉肝素率升高的变化。不一致的文档是有问题的,他们未能支持良好的沟通在护理人员除了使触发器的使用不是很有效识别患者伤害或被伤害的风险。
Allina健康病人安全委员会确定的使用分析和触发器改善患者安全报告和监测,导致更多的实际和潜在患者安全事件的识别,以及可能的因素。Allina健康改善患者安全的努力显示如下:
“预测病人伤害事件通过识别高危病人将使我们能够将资源从应对安全事件预防他们。”
——罗伯特•Quickel MD,流式细胞仪
副总裁,手术和程序性护理
Allina健康
当飞行员团队共享他们的发现在使用分析应用程序和触发器Allina健康病人安全委员会,该委员会决定扩大安全聚在一起并使用它们的概念分层的系统从前线通过中层管理和组织。这是确定,这将进一步加强安全文化,提高整个组织沟通。
在试点中发现的信息被用来改善这三个患者群体的保健,安全委员会决定,需要深入挖掘更多的患者安全主题确定知识获得的安全事件调查可以用来改进文档,饲料预测分析,和用于准确地预测安全事件,从而使临床医生及时干预,防止伤害更大数量的患者。
这个网站上存储数据,如饼干,使网站基本功能,以及市场营销、个性化、和分析。剩下的在这个网站上你表明你的同意。有关更多信息,请访问我们的隐私政策。