מחקר שפורסם ב-Journal of Critical Care, שנערך בהשתתפות מכון ד'אור למחקר וחינוך (IDOR), חקר כיצד ניתן למדוד יעילות בשימוש במשאבים עבור חולים עם דלקת ריאות נרכשת חמורה בקהילה (CAP), מחלה שנדבקה מחוץ למסגרות בית החולים ונפוצה ביותר בקרב מבוגרים.
CAP חמור מייצג את אחד האתגרים הגדולים ביותר עבור טיפול נמרץ. זה דורש משאבים מורכבים, החל מאשפוזים ממושכים ועד לתמיכה נשימתית, המשפיעים ישירות על יכולתם של בתי החולים לספק טיפול איכותי. למרות הרלוונטיות שלה, שיטות מסורתיות להערכת ביצועי בית החולים לא תמיד לוקחות בחשבון את חומרת המטופל, מה שמערער השוואות הוגנות בין מוסדות ומפריע לאסטרטגיות ניהול יעילות יותר.
טיפול מותאם סיכונים
כדי לטפל בבעיה זו, חוקרים בדקו את יחס השהייה הסטנדרטי (SLOSR), כלי שפותח עם טכניקות למידת מכונה, ענף של בינה מלאכותית. המטרה הייתה לקבוע אם SLOSR יכול לחזות, באופן מותאם לסיכון המטופל, את משך השהות המתאים לטיפול נמרץ. זה יאפשר השוואות מדויקות יותר בין בתי חולים, תוך הדגשת שימוש מופרז ושימוש חסר במשאבים.
המחקר היה רטרוספקטיבי ורב-מרכזי, וניתח 16,985 אשפוזים ב-CAP למבוגרים ב-220 יחידות נמרץ ב-57 בתי חולים ברזילאים במהלך 2023. משתנים כגון גיל, מחלות נלוות, צורך בהנשמה מכנית וחומרת המחלה נלקחו בחשבון.
מודל למידת מכונה יושם כדי לחזות את משך השהייה הצפוי, המאפשר לחוקרים לחשב את ה-SLOSR כיחס בין הזמנים הנצפוים והחזויים. כדי להבטיח איתנות, הם ביצעו אימות סטטיסטי קפדני, כולל עלילות כיול, אימות צולב ומדדי שגיאה, המאשרים את התאמת המודל למציאות הקלינית.
ממצאים מרכזיים
משך השהייה החציוני היה ארבעה ימים, וכ-28% מהחולים נזקקו לתמיכה בהנשמה. המודל הראה כוח הסבר חזק עם שגיאות חיזוי נמוכות, וחיזק את הפוטנציאל של SLOSR כאינדיקטור אמין ליעילות המשאבים בין יחידות נמרץ.
המחקר מדגים כי SLOSR יכול להיות כלי רב ערך עבור בתי חולים ומנהלי שירותי בריאות, המאפשר הערכת ביצועי טיפול נמרץ מותאם לחומרת המטופל. גישה זו מסייעת לזהות היכן נעשה שימוש יעיל במשאבים והיכן עשויה להתרחש בזבוז. עם זאת, החוקרים מציינים כי יש צורך במחקרים נוספים כדי לבדוק את ישימות השיטה בהקשרים אחרים, כגון מדינות שונות ומערכות בריאות.
