TrialsgrambetaRCTs are beautiful
Traduzione non revisionataLa traduzione in Italiano di questa voce non è stata revisionata e può differire dalla fonte. Acronimo, titolo completo e citazione restano sempre nella lingua originale.Apri la pubblicazione originale ↗

CONCERN

COmmunicating Narrative Concerns Entered by RNs (CONCERN) early warning system: a pragmatic cluster-randomized controlled trial

Paziente / Popolazione Intervento / Esposizione Confronto Esito

In 60.893 ricoveri in 74 unità cliniche, un sistema di allerta precoce con machine learning basato sulla documentazione infermieristica ha ridotto la mortalità intraospedaliera e la durata della degenza rispetto alle cure abituali.

N
60.893pazienti
Disegno
RCT a cluster pragmatico (74 unità, due sistemi sanitari)
Esito
Mortalità intraospedaliera (rischio istantaneo) e durata della degenza (coprimari)
Rilevanza
1Definisce la pratica — lo studio su cui poggia la linea guida.
RisultatoMortalità intraospedaliera aHR 0,64 (IC al 95 % 0,53–0,78; p<0,0001), un rischio istantaneo di morte inferiore del 35,6 %; durata della degenza aIRR 0,91 (IC al 95 % 0,90–0,93). Sepsi aHR 0,93 (IC al 95 % 0,86–0,99); trasferimento non previsto in terapia intensiva aHR 1,25 (IC al 95 % 1,09–1,43).
Rossetti SC, et al. Nat Med. 2025;31(6):1895-1902. 10.1038/s41591-025-03609-7
Discussione e critica

Il primo studio randomizzato a cluster a mostrare che un sistema di allerta precoce con machine learning riduce la mortalità intraospedaliera, e notevole per il suo segnale: i pattern con cui gli infermieri documentano, anziché i soli parametri vitali o valori di laboratorio. L'aumento dei trasferimenti non previsti in terapia intensiva è coerente con un'escalation più precoce ma è anche un costo. Non in cieco, pragmatico e limitato a due sistemi sanitari in un anno; la mortalità è stata analizzata come rischio istantaneo, e la generalizzabilità a contesti con culture di documentazione infermieristica diverse non è stata testata.