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 ↗

Rushlow (EAGLE adoption)

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

Paziente / Popolazione Intervento / Esposizione Confronto Esito

In 11.573 pazienti i cui medici ricevevano l'allerta ECG-IA di FE ridotta, un'elevata adozione dell'allerta da parte dei medici ha aumentato la diagnosi di frazione di eiezione ridotta tra i pazienti AI-ECG-positivi rispetto alla bassa adozione dell'allerta.

N
11.573pazienti
Disegno
Analisi secondaria del braccio di intervento dell'RCT a cluster EAGLE, USA (confronto non randomizzato tra gruppi di clinici)
Esito
Diagnosi di FE ridotta tra i pazienti con AI-ECG positivo, alti vs. bassi adottanti
Rilevanza
3Complementare — contesto, non conoscenza imprescindibile.
RisultatoTra i pazienti AI-ECG-positivi, diagnosi di FE ridotta 33,9 % con gli alti adottanti (n=41) vs. 16,9 % con i bassi adottanti (n=124); OR 1,62, IC al 95 % 1,21–2,17. Gli alti adottanti erano più spesso advanced practice provider e medici di medicina di famiglia, con pazienti meno complessi.
Rushlow DR, et al. Mayo Clin Proc. 2022;97(11):2076-2085. 10.1016/j.mayocp.2022.04.008
Discussione e critica

La controparte implementativa di EAGLE: lo strumento trovava la FE ridotta solo quando il clinico richiedeva l'ecocardiogramma suggerito dall'allerta, e solo 41 dei 165 clinici erano alti adottanti. In quanto confronto tra gruppi di clinici all'interno di un braccio e non contrasto randomizzato, è confuso dal tipo di clinico e dalla complessità dei pazienti, ma è la dimostrazione più chiara che era l'adozione, non l'accuratezza dell'algoritmo, a limitare l'effetto dell'AI-ECG.