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 ↗

Wilson AI palliative referral

Effect of an Artificial Intelligence Decision Support Tool on Palliative Care Referral in Hospitalized Patients: A Randomized Clinical Trial

Patient / Population Intervention / Exposition Vergleich Endpunkt

Bei 1.717 hospitalisierten Patienten erhöhte ein KI-Tool zur Vorhersage des palliativmedizinischen Bedarfs mit Konsilempfehlung die palliativmedizinischen Konsile verglichen mit der üblichen Versorgung.

N
1.717Patienten
Design
Pragmatische Stepped-Wedge-Cluster-RCT, 12 Pflegestationen an 2 Krankenhäusern, 15 Monate
Endpunkt
Palliativmedizinische Konsilnotiz
Relevanz
3Ergänzend — Kontext, kein Muss-Wissen.
ErgebnisPalliativmedizinisches Konsil IRR 1,44 (95 %-KI 1,11–1,92). Explorativ: 60-Tage-Wiederaufnahme OR 0,75 (95 %-KI 0,57–0,97) und 90-Tage-Wiederaufnahme OR 0,72 (95 %-KI 0,55–0,93).
Wilson PM, et al. J Pain Symptom Manage. 2023;66(1):24-32. 10.1016/j.jpainsymman.2023.02.317
Diskussion & Kritik

Eine frühe pragmatische Studie, die die ML-Vorhersage des palliativmedizinischen Bedarfs von der Validierung in den stationären Workflow überführt, mit einem nachverfolgenswerten Wiederaufnahme-Signal. Nur 67 % der randomisierten Patienten verblieben in der Analyse, die Wiederaufnahme-Befunde sind explorativ, der primäre Endpunkt ist eine Konsilnotiz und keine patientenzentrierte Versorgung, und sie lief an zwei Krankenhäusern — aus diesen Gründen Tier 3.