• Badanie objęło 10 294 dorosłych pacjentów Medicare z krańcową niewydolnością nerek leczonych hemodializą w zintegrowanych ośrodkach w USA; modele codziennie oceniały ryzyko hospitalizacji w ciągu 7 dni z powodu infekcji lub przewodnienia.
• Spośród 83 928 obserwacji wysokiego ryzyka 13 988 doprowadziło do case review i interwencji; takie działania wiązały się z 8% niższymi szansami hospitalizacji w ciągu 7 dni vs brak interwencji (OR 0,92; p=0,025).
• Największą korzyść obserwowano przy wynikach ryzyka 0,75–0,85: ok. 12% niższe szanse hospitalizacji (OR 0,88; p=0,02). W grupie z najwyższym ryzykiem (>0,85) interwencje nie zmniejszyły istotnie 7-dniowego ryzyka przyjęcia do szpitala.
• To ważny sygnał praktyczny: AI może pomagać kierować uwagę personelu tam, gdzie ryzyko jest największe, ale jest to narzędzie do wcześniejszego wychwytywania problemu, a nie „zamiennik” decyzji klinicznej.
Ograniczenia: badanie było retrospektywne, z ryzykiem biasu i czynników zakłócających; słabo opisano konkretne interwencje, a ocenę ograniczono do 7-dniowego horyzontu.
Wnioski:
Połączenie modeli AI z przeglądem pielęgniarskim i ukierunkowaną interwencją wiązało się z mniejszym ryzykiem krótkoterminowej hospitalizacji u chorych hemodializowanych.
AI w nefrologii nie zastąpi zespołu klinicznego, ale może pomóc szybciej wychwycić pacjentów dializowanych, u których w najbliższych dniach rośnie ryzyko hospitalizacji.
bfiałek
Źródło: https://catalyst.nejm.org/doi/full/10.1056/CAT.25.0212