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 ↗

TREWS

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

Paziente / Popolazione Intervento / Esposizione Confronto Esito

In 6.877 pazienti con sepsi individuati prima degli antibiotici, la conferma dell'allerta di sepsi da machine learning entro 3 h ha ridotto la mortalità intraospedaliera rispetto alle allerte non confermate da un curante entro 3 h.

N
6877pazienti
Disegno
Studio di coorte prospettico multicentrico, non randomizzato (5 ospedali)
Esito
Mortalità intraospedaliera
Rilevanza
3Complementare — contesto, non conoscenza imprescindibile.
RisultatoMortalità intraospedaliera: riduzione assoluta aggiustata 3,3 % (IC 1,7–5,1 %), riduzione relativa aggiustata 18,7 % (IC 9,4–27,0 %), con meno insufficienza d'organo e degenza più breve; tra i pazienti ulteriormente segnalati come ad alto rischio, riduzione assoluta della mortalità 4,5 % (IC 0,8–8,3 %). 590.736 pazienti monitorati.
Adams R, et al. Nat Med. 2022;28(7):1455-1460. 10.1038/s41591-022-01894-0
Discussione e critica

Uno dei primi sistemi di machine learning per la sepsi valutati su larga scala nell'uso clinico reale, a mostrare che la sepsi può essere segnalata prima degli antibiotici e che agire sull'allerta si accompagna a esiti migliori. Il confronto non è randomizzato: contrappone i pazienti la cui allerta è stata confermata da un clinico entro 3 h a quelli in cui non lo è stata, per cui il confondimento da attenzione del clinico e presentazione del paziente — solo in parte rimosso dall'aggiustamento — può spiegare parte dell'effetto.