[ad_1]

تحقیقات جدید می تواند به طور قابل توجهی ازدحام بیش از حد در بخش های اورژانس را کاهش دهد – به طور بالقوه باعث صرفه جویی میلیون ها پوند NHS می شود.

در یک پروژه مشترک بین بیمارستان‌های دانشگاهی شمال میدلندز (UHNM) NHS Trust و دانشگاه استافوردشایر، متخصصان یک مدل پیش‌بینی برای شناسایی بیمارانی که بیشتر در معرض خطر قرار گرفتن تخت‌های بیمارستانی طولانی‌تر از حد نیاز هستند، ایجاد کرده‌اند.

یک مطالعه جدید که توسط مؤسسه پزشکی North Staffordshire (NSMI) تامین شده است، یک ابزار پیش‌بینی کننده هشت متغیری را شرح می‌دهد که می‌تواند احتمال ابتلای بیمار به ترخیص با تاخیر را در زمان بستری محاسبه کند.

ترخیص با تاخیر از بیمارستان یکی از چالش های عمده ای است که NHS با آن مواجه است و در دهه گذشته به طور قابل توجهی افزایش یافته است. طبق داده های سال 2019، تاخیر در خواب روزانه معادل 27000 پوند در هر ساعت هزینه دارد و فشارهای اضافی ناشی از COVID-19 از آن زمان این مشکل را تشدید کرده است.

دکتر اندرو دیوی، سرپرست GP برای تحقیق و توسعه در A&E در UHNM، توضیح داد: “انتقال تأخیر مراقبت زمانی اتفاق می‌افتد که یک بیمار بزرگسال از نظر پزشکی آماده رفتن به خانه است اما قادر به رفتن به خانه نیست، زیرا سایر مراقبت‌ها، پشتیبانی یا مسکن در دسترس نیست. تأخیر می تواند پیامدهای جدی مانند مرگ و میر، عفونت ها، افسردگی و کاهش تحرک بیماران و توانایی آنها برای انجام فعالیت های روزانه داشته باشد.

“همچنین بر بیماران در بخش‌های A&E که نمی‌توانند به تخت‌های بخش منتقل شوند تا زمانی که بیماران فعلی ترخیص نشده‌اند، اثر ضربه‌ای دارد. این اثر تنگنا بر جریان باعث ازدحام قابل‌توجهی در بخش‌های اورژانس و سایر پورتال‌های اورژانس می‌شود که منجر به افزایش مرگ‌ومیر، بیمار ضعیف می‌شود. نتایج و مصرف به طور قابل توجهی بالاتر از منابع بیمارستانی.”

برای توسعه ابزار پیش‌بینی، Md Asaduzzaman، دانشیار تحقیقات عملیاتی در دانشگاه استافوردشایر، توضیح داد: «داده‌های مدیریتی و بالینی بخش اورژانس بیمارستان دانشگاه رویال استوک برای مطالعه مورد تجزیه و تحلیل قرار گرفت که یک دوره سه ساله از 2018 تا 2018 را پوشش می‌دهد. 2020. محققان از اطلاعاتی که به طور معمول هنگام پذیرش بیماران در بیمارستان از A&E جمع‌آوری می‌شد برای شناسایی چندین عامل جمعیت شناختی، اجتماعی-اقتصادی و بالینی مرتبط با بیمارانی که انتقال مراقبت با تأخیر را تجربه می‌کنند یا نه، استفاده کردند.

سن، جنسیت، قومیت، امتیاز هشدار زودهنگام ملی (NEWS)، امتیاز پیش‌بینی پذیرش در گلاسکو، شاخص دهک محرومیت چندگانه، ورود با آمبولانس و پذیرش قبلی در سال گذشته، همگی ارتباط آماری معنی‌داری با تاخیر در انتقال مراقبت دارند. “

مدل پیش‌بینی و جعبه ابزار دیجیتال در حال حاضر در بیمارستان دانشگاه رویال استوک به همراه توماس هیل، تحلیلگر/توسعه‌دهنده هوش تجاری فنی در UHNM، در حال توسعه نحوه نمایش سیستم امتیازدهی به صورت بصری بر روی داشبوردهای زنده A&E است تا اطمینان حاصل شود که بیماران در معرض خطر بالای انتقال با تاخیر هستند. مراقبت‌ها زودتر به تیم‌های بازبینی علامت‌گذاری می‌شوند. متغیرهای بیشتری که احتمال می‌رود باعث تاخیر در ترشحات شوند، در حال حاضر در حال بررسی هستند. محققان بر این باورند که در نهایت، این مدل پیش بینی می تواند به راحتی در سراسر کشور گسترش یابد.

ساراجان جونز، دانشیار ایمنی بیمار، گفت: “برنامه ریزی بهتر ترخیص، بار هزینه های زیادی را برای NHS کاهش می دهد و ما معتقدیم که این مقاله می تواند تاثیر زیادی بر مدیریت بیماران داشته باشد.

درک اینکه چه کسی از نظر آماری بیشتر احتمال دارد ترخیص با تاخیر را تجربه کند می‌تواند به بیمارستان‌ها کمک کند تا بیماران را برای برنامه‌ریزی پیشگیرانه ترخیص در اوایل سفر مراقبتی خود هدف قرار دهند. این امر می‌تواند با هشدار دادن به تیم‌های داخلی مانند درمانگرها و همچنین شرکای خارجی، به‌موقع‌تر به دست آید. ارائه طرح‌های مراقبت اجتماعی و استقرار در خانه‌های مسکونی و سالمندان».

با تکیه بر این مطالعه، تیم تحقیقاتی اکنون امیدوار است که دقت محاسبه‌گر ریسک را بهبود بخشد و با مقامات محلی برای درک بهتر لجستیک مراقبت‌های پس از بیمار همکاری کند. دکتر کایرا واتس و دکتر سایمون لی از تحقیقات و نوآوری UHNM که در توسعه این پروژه مشارکت داشته‌اند، مشتاق به پیشبرد این کار هستند.

دکتر لی گفت: “این کار برای رفاه بیماران و برای ارائه خدمات ما بسیار مهم است و ما خوشحالیم که این کار که توسط کمک مالی موسسه پزشکی استافوردشایر شمالی تامین شده است، پتانسیل این را دارد که چنین تاثیر قابل توجهی داشته باشد. مشتاقانه منتظر همکاری با دکتر دیوی و پروفسور اسدوززمان در برنامه های کاربردی و پروژه های تحقیقاتی آینده هستم.

دانشیار اسدوززمان افزود: “ما مدل خود را بر اساس داده هایی است که به طور معمول در همه بیمارستان ها جمع آوری می شود، به این معنی که پتانسیل پذیرش در سراسر NHS را دارد. این مشکل از بین نخواهد رفت و در پی کووید-19 مهم تر است. ما باید یک مدل مسیر مراقبت از بیمار به خوبی طراحی شده برای بیماران آسیب پذیر ایجاد کنیم که همه سهامداران از جمله بیمارستان های مراقبت های ویژه و مراکز مراقبت اجتماعی را در کنار دولت های محلی در خود جای دهد.”

[ad_2]