Valutazione multidisciplinare dell’impatto della digitalizzazione del processo di acquisizione dei pv in ottica value-based healthcare presso l’Istituto Clinico Humanitas

Purpose: In a context of clinical processes digitalization, the Humanitas Research Hospital (HRH) has the goal of innovating the process regarding the detection of vital signs (VSs) and their direct recording in EMRs through the introduction of Connex Spot Monitors (CSMs). The thesis aims to validate two hypotheses: Hp 1. Demonstrate how the automation of the process of detecting and recording VSs in EMR, through the implementation of CSM, optimizes the acquisition process, improving the quality of care at the patient's bedside; Hp 2. Implement an artificial intelligence algorithm to predict National Early Warning Score (NEWS) at time t+1 in order to identify the deterioration of the patient's clinical status based on the acquired VSs. Methodology: The HB-HTA was developed to assess the clinical, organizational, operational, and economic impacts of the introduction of CSM. In particular, a questionnaire was administered to the health care staff to evaluate the impact of the new technology on the wards. The integration of the CSMs into the hospital computer network and the direct connection with the EMR increased data completeness and reliability. Thus, a predictive models capable of early recognition of a disease is developed. Results: The total time saving related to the VSs measurement and the import of VSs into EMRs is about 126 minutes. Moreover, the results expressed in the questionnaires showed considerable satisfaction in the use of CSMs. By applying Feature Selection and RFE algorithms to the extracted database, the weight of individual VSs in the NEWS calculation was analysed: patients’ temperature is not a statistically significant variable in the determination of the index. On the contrary, the parameters that contribute most are HR and the presence of supplemental oxygen. The RMSE obtained in the validation set is 0.071, approximately equal to the RMSE in the test set of 0.075. Therefore, the model can accurately predict the NEWS index at instant t+1.

Obiettivo: Nel contesto di digitalizzazione dei processi clinici, l’Istituto Clinico Humanitas (ICH) si è posto l’obiettivo di innovare il processo riguardante la rilevazione dei PV e la loro registrazione diretta in CCE, attraverso l’introduzione dei Connex Spot Monitor (CSM). L’elaborato ha l’obiettivo di validare due ipotesi: Hp 1. Dimostrare come l’automatizzazione del processo di rilevazione e registrazione in CCE dei PV, tramite l’impiego di CSM, ottimizzi il processo di acquisizione, migliorando la qualità dell’assistenza al letto del paziente. Hp 2. Implementare un algoritmo di intelligenza artificiale per predire il National Early Warning Score (NEWS) al tempo t+1, al fine di identificare e anticipare il deterioramento dello stato clinico del paziente sulla base dei PV acquisiti. Metodi: L’HB-HTA è stato elaborato per valutare l’impatto organizzativo, operativo ed economico dell’introduzione dei CSM. In particolare, per valutare l’impatto della nuova tecnologia sul giro visita è stato somministrato al personale sanitario un questionario. L’integrazione dei CSM nella rete informatica ospedaliera e il collegamento diretto con la CCE ha determinato un aumento della completezza e dell’affidabilità del dato. Pertanto, è stato implementato un modello predittivo capace di riconoscere precocemente l’inizio di una malattia anticipandone l’insorgenza. Risultati: Il risparmio di tempo totale legato alla procedura di misurazione dei PV e di importazione degli stessi in CCE è pari a 126 minuti. Dalle valutazioni espresse nei questionari è emerso un considerevole gradimento per l’impiego dei CSM. Applicando gli algoritmi di Feature Selection e RFE, è stato possibile analizzare il peso dei singoli PV nel calcolo del NEWS: la temperatura corporea non è una variabile statisticamente significativa nella determinazione dell’indice. Al contrario, i parametri che contribuiscono maggiormente sono la HR e la presenza di ossigeno supplementare. L’RMSE del set di validazione è pari a 0.071, circa uguale all’ RMSE nel set di test pari a 0.075. Pertanto, il modello è in grado di predire in modo accurato l’indice NEWS all’istante t+1.