TrialsgrambêtaRCTs are beautiful
Traduction non vérifiéeLa traduction en Français de cette entrée n'a pas été vérifiée par les pairs et peut différer de la source. L'acronyme, le titre complet et la citation restent toujours dans la langue d'origine.Ouvrir la publication d'origine ↗

TREWS

Prospective, multi-site study of patient outcomes after implementation of the TREWS machine learning-based early warning system for sepsis

Patient / Population Intervention / Exposition Comparaison Critère de jugement

Chez 6 877 patients septiques repérés avant l'antibiothérapie, la confirmation de l'alerte de sepsis par apprentissage automatique en 3 h a réduit la mortalité hospitalière par rapport aux alertes non confirmées par un soignant dans les 3 h.

N
6 877patients
Schéma
Étude de cohorte prospective multisite, non randomisée (5 hôpitaux)
Critère
Mortalité hospitalière
Pertinence
3Complémentaire — du contexte, pas un incontournable.
RésultatMortalité hospitalière : réduction absolue ajustée 3,3 % (IC 1,7–5,1 %), réduction relative ajustée 18,7 % (IC 9,4–27,0 %), avec moins de défaillances d'organes et un séjour plus court ; chez les patients en outre signalés à haut risque, réduction absolue de mortalité 4,5 % (IC 0,8–8,3 %). 590.736 patients surveillés.
Adams R, et al. Nat Med. 2022;28(7):1455-1460. 10.1038/s41591-022-01894-0
Discussion et critique

L'un des premiers systèmes de sepsis par apprentissage automatique évalués à grande échelle en usage clinique réel, montrant que le sepsis peut être signalé avant les antibiotiques et que l'action sur l'alerte va de pair avec de meilleurs résultats. La comparaison n'est pas randomisée : elle oppose les patients dont l'alerte a été confirmée par un clinicien dans les 3 h à ceux dont elle ne l'a pas été, de sorte qu'une confusion par l'attention du clinicien et la présentation du patient — seulement partiellement corrigée par l'ajustement — peut expliquer une partie de l'effet.