Когдаде Кэрролл, MSN RN BC, директор по информатике медсестер, KenSci
Ежегодная конференция ANIA18 проходила в Орландо, штат Флорида, с 9 по 12 мая. Темой конференции Американской ассоциации сестринской информатики была Пролить свет на сестринскую информатику. KenSci представила плакат в партнерстве с Военным медицинским центром Мэдигана. Мы представили плакат, в котором резюмируется исследование медсестер, расширяющее нашу совместную разработку 30-дневного инструмента прогнозирования риска повторной госпитализации, который выявляет пациентов с самым высоким риском повторной госпитализации в военном лечебном учреждении.
Американская ассоциация информатики медсестер (ANIA) 101
Члены ANIA представляют собой национальное сообщество медсестер-информатиков, которые привержены специализированной специальности медсестер в области информатики. Ниша медсестер объединяет сестринское дело, информатику и информатику для управления и передачи данных, информации, знаний и мудрости в практике медсестер и информатики. Члены ANIA определяют практику информатики как специальность, которая необходима для оказания высококачественной и экономически эффективной медицинской помощи, и используют информатику для улучшения здоровья населения, сообществ, семей и отдельных лиц за счет оптимизации управления информацией и коммуникации.
Медсестры-информатики работают в стационаре, амбулаторно, поставщиках HIT, клинических исследованиях, образовании и стартапах (!) Их работа уникальна, поскольку они говорят на многих языках, особенно технических и клинических, и служат связующим звеном между обоими мирами. Многие из них сертифицированы Американским центром сертификации медсестер (ANCC) совместно с Американской ассоциацией медсестер (ANA) в качестве медсестер по информатике (RN-BC) и Обществом управления информацией и систем здравоохранения (HIMSS) в качестве сертифицированного специалиста в области медицинской информации. и системы управления (CAHIMS).
ANIA 2018 — различные сессии и постеры
СЕССИИ (32)
· Сестринская информатика в клинической трансформации — процесс, а не проект
· Функциональная совместимость для лучшего ухода
· Повышение вовлеченности пациентов в уход за ними с использованием мобильных технологий
· Оптимизация электронных медицинских карт: план устойчивых изменений
· Звезды сойдутся, когда время имеет значение: использование данных для борьбы с сепсисом
ПОСТЕРЫ (67)
· Поддержка принятия клинических решений — важность участия сестринской информатики
· Архитектор успешной реализации: Жизненно важная роль информатики в сестринском деле
· Пересмотр процесса выписки пациентов с целью снижения частоты повторных госпитализаций и сосредоточения внимания на вовлечении пациентов
· Использование технологий для повышения безопасности пациентов
Плакат MAMC/KenSci
Начало нашего исследования и последующий постер Удовлетворенность и опыт медсестер с помощью 30-дневного инструмента «Прогностическая аналитика повторной госпитализации в медицинском центре, ориентированном на пациента в военном лечебном учреждении (PCMH)», посвящены тому, как медсестры используют прогнозы рисков наших решений. Расширяя нашу работу с MAMC над инструментом прогнозирования риска RoR, мне было очень интересно узнать, свидетельствует ли оценка опыта конечного пользователя с инструментом риска повторной госпитализации о его динамическом использовании и ценности в сестринской практике, и если да, поделитесь этим с другими медсестрами.
Получив отзывы от медсестер внутренней медицинской клиники (IMC) PCMH и кардиологической клиники, я понял, что во время пилотного проекта медсестры начали эффективно использовать этот инструмент, чтобы в конечном итоге разработать ориентированные на пациента программы управления здоровьем населения и лечения хронических заболеваний в своих клинических учреждениях. настройки. Эти идеи — то, что должны знать KenSci и медсестры, пытающиеся работать с данными: можно разработать решения ML, которые служат четверной цели — снижению затрат, повышению качества ухода, вовлеченности пациентов и опыту и опыту лиц, осуществляющих уход.
Уроки, извлеченные из исследования, включают:
- Новые клинические рабочие процессы и вмешательства были разработаны и пересмотрены с использованием прогнозов риска, что позволило медсестрам
o Организовывать последующие встречи лицом к лицу, пока пациенты с высоким риском все еще находятся в больнице.
o Выявление пациентов с высоким риском для членов бригад по уходу, а также пропаганда и координация ухода за пациентами с ВА.
o Обеспечить индивидуальное обучение медсестер пациентам с высоким риском и организовать групповые занятия для пациентов с впервые возникшей сердечной недостаточностью.
- Улучшения, рекомендованные медсестрами для инструмента RoR:
o Добавьте параметры фильтра и определите факторы, влияющие на оценку риска пациентов (т. е. диагнозы, процедуры и лекарства).
o Направляйте медсестру к картам пациентов, нажимая на оценку риска.
o Продолжать улучшать точность и надежность модели
Благодаря этому исследованию получены новые знания в области ухода за больными. Аналитика показала, что стратегии управления здоровьем населения для улучшения перехода от стационарного лечения к клиникам, ориентированным на пациента, могут быть реализованы с помощью 30-дневного инструмента реадмиссии ML для прогнозной аналитики для всех пациентов. Пользователи сообщали об улучшении лечения хронических заболеваний междисциплинарными командами, работающими в крупной МОГ. Кроме того, сотрудничество между MTF и компанией, занимающейся информатикой в сфере здравоохранения, позволило медсестрам предложить усовершенствования самого инструмента прогнозирования RoR, обеспечив более удобное использование и надежность в будущем.
Отзывы на плакатах и возможности для оказания помощи сестринскому делу
"Это круто!"
«Мы должны сделать это в нашей больнице».
«Мы реализуем это с помощью Epic for Sepsis».
«Мы делаем это с Epic для реадмиссий».
«Больницы этим пока не занимаются».
К моему удивлению, на ANIA18 не было ни сессий, ни постеров, посвященных машинному обучению или прогнозированию из нескольких источников данных для лечения, основанного на ценности. Как показало применение инструмента RoR и то, что мы узнали об удовлетворенности конечных пользователей и опыте работы с нашим решением, у KenSci есть огромная возможность для медсестер использовать данные для прогнозирования. Медсестрам очень важно узнать, как использовать и внедрять решения машинного обучения в своих организациях. Информатики — наши чемпионы в больницах и клиниках, они могут быть суперпользователями, которые помогут медсестрам выбирать и внедрять решения KenSci. Мы надеемся вернуться на конференцию Американской ассоциации медсестринской информатики в 2019 году и выйти на сцену вместе с клиентом, чтобы рассказать об успешном внедрении, использовании и результатах наших решений машинного обучения для ориентированного на пациента ухода.