TrialsgramBetaRCTs are beautiful
Ungeprüfte ÜbersetzungDie Deutsche Übersetzung dieses Eintrags wurde nicht fachlich geprüft und kann vom Original abweichen. Akronym, vollständiger Titel und Zitat bleiben stets in der Originalsprache.Originalpublikation öffnen ↗

Rushlow (EAGLE adoption)

Clinician Adoption of an Artificial Intelligence Algorithm to Detect Left Ventricular Systolic Dysfunction in Primary Care

Patient / Population Intervention / Exposition Vergleich Endpunkt

Bei 11.573 Patienten, deren Ärzte den KI-EKG-Alarm für niedrige EF erhielten, erhöhte eine hohe ärztliche Adoption des Alarms die Diagnose einer niedrigen Ejektionsfraktion bei KI-EKG-positiven Patienten verglichen mit einer niedrigen Adoption des Alarms.

N
11.573Patienten
Design
Sekundäranalyse des Interventionsarms der EAGLE-Cluster-RCT, USA (nicht randomisierter Vergleich von Ärztegruppen)
Endpunkt
Diagnose einer niedrigen EF bei Patienten mit positivem KI-EKG, hohe vs. niedrige Adoption
Relevanz
3Ergänzend — Kontext, kein Muss-Wissen.
ErgebnisBei KI-EKG-positiven Patienten Diagnose einer niedrigen EF 33,9 % bei Ärzten mit hoher Adoption (n=41) vs. 16,9 % bei Ärzten mit niedriger Adoption (n=124); OR 1,62; 95 %-KI 1,21–2,17. Ärzte mit hoher Adoption waren häufiger Advanced Practice Provider und Allgemeinmediziner, mit weniger komplexen Patienten.
Rushlow DR, et al. Mayo Clin Proc. 2022;97(11):2076-2085. 10.1016/j.mayocp.2022.04.008
Diskussion & Kritik

Das Implementierungs-Gegenstück zu EAGLE: Das Tool fand eine niedrige EF nur, wenn der Arzt das vom Alarm empfohlene Echokardiogramm anordnete, und nur 41 von 165 Ärzten zeigten eine hohe Adoption. Als Vergleich von Ärztegruppen innerhalb eines Arms und nicht als randomisierter Kontrast ist es durch Ärztetyp und Patientenkomplexität konfundiert, aber es ist der klarste Nachweis, dass die Adoption und nicht die Genauigkeit des Algorithmus den KI-EKG-Effekt begrenzte.