Снижение смертности, продолжительности госпитализации и частоты повторных госпитализаций благодаря прогнозированию сепсиса с помощью машинного обучения в отделении неотложной помощи, отделении интенсивной терапии и обычных отделениях стационара

Введение: Лечение сепсиса остаётся сложной задачей для больниц по всей территории США: тяжёлый сепсис сопровождается высокой смертностью и ежегодно обходится системе здравоохранения страны в миллиарды долларов. Раннее начало лечения пациентов с тяжёлым сепсисом и септическим шоком связано с более высокой выживаемостью. Медицинский центр Кейп-Риджинал (CRMC) стремился улучшить исходы лечения пациентов с сепсисом, изменив подход к ведению этого состояния.

Методы: Совместно с компанией Dascena в CRMC создали группу по улучшению качества медицинской помощи и внедрили алгоритм прогнозирования сепсиса на основе машинного обучения, чтобы раньше выявлять пациентов с сепсисом. Ранее всех пациентов обследовали на сепсис с помощью скрининга на синдром системного воспалительного ответа дважды в день, однако в центре хотели усовершенствовать этот процесс. Группа внедряла алгоритм, собирала отзывы и учитывала их, а также адаптировала систему к текущему порядку работы больницы.

Результаты: По сравнению с периодом до внедрения алгоритма после его внедрения внутрибольничная смертность, связанная с сепсисом, снизилась на 60,24%, продолжительность госпитализации по поводу сепсиса — на 9,55%, а частота повторной госпитализации в течение 30 дней в связи с сепсисом — на 50,14%.

Выводы: Внедрение алгоритма прогнозирования сепсиса на основе машинного обучения улучшило исходы лечения пациентов в CRMC.