Ie gewoonte van technologische tools voordat ie wichelen van sepsis is noch opzienbarend. Wereldwijd wordt diegene nu onder honderden ziekenhuizen toegepast. Zowel ter Nederland waar ie Erasmus MC nu gewoonte maakt van ene technologie waarmee sepsis onder dit pasgeborenen vroeger ontdekt plus behandeld schenkkan wordt. Er zijn totdat nu toe echter nog maar weinig zogenoemde prospectieve onderzoeken verricht wegens den werken plus effectiviteit van zulke tools te defini. Tussen 2018 plus 2020 hebben den onderzoekers ie machine learning toneel voordat sepsisdetectie getest ter twee academische plus trio algemene ziekenhuizen.
Machine learning onder sepsis diagnose
Wetenschappers van den Johns Hopkins University plus Bayesian Health voerden trio prospectieve onderzoeken uit. Ermee hebben zij aangetoond dat ie machine learning toneel van Bayesian 82 procent van den sepsisgevallen kon identificeren. Daarvan worden 38 procent vanwege ene geneesheer bevestigd.
Ter den gevallen dat diegene bevestiging te trio uur na den identificatie vanwege ie machine learning toneel bevestigd worden, konden den treatment van den patiënt twee uur eerde opstarten dan onder andere patiënten. Dat resulteerde uiteindelijk totdat ene 18,2 procent lagere relatieve sterfte vanwege sepsis.
Effectiviteit plus patiëntresultaten
Voordat ie research worden ie systeem vooraf op den decor tweedehands. Onderzoekers berekenden vervolgens hoe ie machine learning toneel presteerde ten opzichte van den huidige standaard van zorg. Vervolgens worden ie toneel onder ziekenhuizen geïmplementeerd plus wegens den accepteren van den tool vanwege den zorgverlener plus den stemkracht op patiëntresultaten te meten.
Met ie research kon uiteindelijk den effectiviteit van den tool onder één vooraf gespecificeerde instelling aantonen. Welnu, zo waarschuwen den onderzoekers, moeten rekening gehouden wordt met ie waarheid dat den prestaties kunnen veranderen onder verschillende waarschuwingsinstellingen.
Nauwkeurigheid van vitaal gewichtigheid
Suchi Saria, CEO van Bayesian Health plus directeur van ie machine learning-, AI- plus gezondheidslab van Johns Hopkins benadrukt dat den nauwkeurigheid van den tool van cruciaal gewichtigheid is voordat den bereidwilligheid van zorginstellingen wegens hem te gewoontes.
Tijdens eerdere onderzoeken werden ongemakken aangetoond met dit systemen, diegene te rigide kunnen zijn of sepsis stap detecteren nadat ene patiënt met ene antibiotica treatment is begonnen. “Dat wasgoed ene enorme praktijkfout. Mensen hebben zaken indien hartelijkheid, precisie, doorlooptijd, statistieken diegene nodig zijn wegens den systeemprestaties te ontwikkelen plus te vatten noch rigoureus gemeten wegens te zien of den tool effectief werkt”, aldus Saria.